一种多歌者歌声合成方法及装置

摘要

本发明公开了一种多歌者歌声合成方法，属于语音合成技术领域。该合成方法，包括包含模型训练和模型推理两阶段，模型推理部分最终部署于装置中。模型训练包括：获取多歌者歌声数据，并提取乐句特征、音素发音时长和音频频谱特征，其中各个乐句特征和音素发音时长按照歌词所展开的音素序列顺序排列，并且其长度和音素个数保持一致，发音时长的总帧数和对应频谱总帧数保持一致；为不同歌者的数据库生成歌者向量；将乐句特征和歌者向量作为模型的输入、将频谱特征和发音时长作为模型拟合的目标联合训练模型。模型采用对抗生成网络技术用以区分不同歌者的音色和发音特点，并保持合成歌声质量接近原声。