一种基于Bottle neck特征训练克隆音色及韵律的系统及方法

摘要

本发明涉及语音合成、语音识别、声音克隆技术领域,本发明结合语音合成技术、语音识别技术、迁移学习技术，提供一种基于Bottleneck特征(音频的语言特征)的声音克隆实现方案，包含训练系统和训练方法；利用少量样本提供自然度、相似度高的TTS服务，以提供目标用户特性的TTS服务，解决了语音合成技术服务样本量大、制作周期长、人力成本高的问题。训练系统包括：数据采集模块、声学特征提取模块、语音识别模块、韵律模块、多人语音声学模块、语音合成模块；本发明还提供一种基于上述系统训练方法，包括准备训练语料、声学特征提取、各模块训练和微调，以及语音合成。