一种基于扩散概率模型的中文语音合成方法

摘要

本发明公开了一种基于扩散概率模型的中文语音合成方法，该方法首先构建中文文本前端处理模块，然后构建基于前向注意力机制的端到端频谱生成网络，最后使用基于扩散概率模型的Diffwave声码器进行中文语音合成。本发明采用前向注意力机制解决中文长句子合成中出现的语音帧对齐效果差等问题；并且在声码器部分使用基于扩散概率模型的非自回归型Diffwave声码器，显著提高模型合成语音的质量与效率。