买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉平安科技(深圳)有限公司申请的专利端到端语音合成方法、装置、设备以及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116469375B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310640928.5，技术领域涉及：G10L13/08；该发明授权端到端语音合成方法、装置、设备以及介质是由张旭龙;王健宗;程宁;朱可欣设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本端到端语音合成方法、装置、设备以及介质在说明书摘要公布了：本申请涉及人工智能领域以及数字医疗领域，提供了一种端到端语音合成方法、装置、设备以及介质，该方法基于包括有图编码器、后验编码器、随机时长预测器、标准化流模块以及解码器的语音合成模型，获取训练文本对应的目标梅尔频谱以及预测合成语音的预测梅尔频谱得到第一损失值，获取训练文本对应的隐状态变量、隐变量以及音素时长信息得到第二损失值，之后基于第一损失值和第二损失值对语音合成模型进行训练，而在模型推理过程中，将待合成文本输入至训练好的语音合成模型以获取目标合成语音。本申请实施例基于隐状态向量以及声谱隐状态进行文本和语音之间的对齐，能够简化模型训练过程，实现端到端语音合成，提高合成语音质量。

本发明授权端到端语音合成方法、装置、设备以及介质在权利要求书中公布了：1.一种端到端语音合成方法，其特征在于，所述方法包括： 获取原始语音合成模型，所述原始语音合成模型包括图编码器、后验编码器、随机时长预测器、标准化流模块以及解码器； 获取训练文本集以及所述训练文本集中的文本数据对应的目标梅尔频谱； 将所述训练文本集中的文本数据输入至所述图编码器，获取所述文本数据对应的隐状态向量； 对目标梅尔频谱进行特征提取处理，得到线性频谱特征； 将所述线性频谱特征输入至所述后验编码器，得到所述文本数据对应的第一声谱隐状态； 将所述第一声谱隐状态输入至所述解码器，得到预测合成语音； 将所述第一声谱隐状态输入至所述标准化流模块，得到所述文本数据的第二声谱隐状态； 对所述隐状态向量与所述第二声谱隐状态进行对齐处理，得到所述文本数据对应的音素时长信息； 根据所述目标梅尔频谱、所述预测合成语音对应的预测梅尔频谱以及预设的第一损失函数确定第一损失值，所述第一损失函数为： 其中，所述为所述第一损失值，所述表示取第一范数，所述为所述目标梅尔频谱，所述为所述预测梅尔频谱； 根据所述隐状态向量、所述第一声谱隐状态、所述音素时长信息以及预设的第二损失函数确定第二损失值，所述第二损失函数为： 其中，所述为所述第二损失值，所述为所述第一声谱隐状态,所述A为所述音素时长信息，所述为所述隐状态变量，所述表示给点数据点的后验分布，所述表示给定条件c的第一声谱隐状态先验分布； 基于所述第一损失值以及所述第二损失值对所述原始语音合成模型进行训练，直到满足预设条件，得到目标语音合成模型； 获取待合成文本； 将所述待合成文本输入至所述目标语音合成模型，得到所述待合成文本对应的目标合成语音。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人平安科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。