초록 ▼

방법(300)은 제1 언어의 음성(150)으로 합성될 입력 텍스트 시퀀스(114)를 수신하는 단계 및 화자 임베딩(116a)을 획득하는 단계를 포함하고, 화자 임베딩은 입력 텍스트 시퀀스를 타겟 화자의 음성을 복제하는 음성으로 합성하기 위해 타겟 화자의 특정 음성 특성을 지정한다. 타겟 화자는 제1 언어와 다른 제2 언어의 모국 화자을 포함한다. 방법은 또한 TTS 모델(100)을 사용하여, 입력 텍스트 시퀀스 및 화자 임베딩을 처리함으로써 입력 텍스트 시퀀스의 출력 오디오 특징 표현(119)을 생성하는 단계를 포함한다. 출력 오디

방법(300)은 제1 언어의 음성(150)으로 합성될 입력 텍스트 시퀀스(114)를 수신하는 단계 및 화자 임베딩(116a)을 획득하는 단계를 포함하고, 화자 임베딩은 입력 텍스트 시퀀스를 타겟 화자의 음성을 복제하는 음성으로 합성하기 위해 타겟 화자의 특정 음성 특성을 지정한다. 타겟 화자는 제1 언어와 다른 제2 언어의 모국 화자을 포함한다. 방법은 또한 TTS 모델(100)을 사용하여, 입력 텍스트 시퀀스 및 화자 임베딩을 처리함으로써 입력 텍스트 시퀀스의 출력 오디오 특징 표현(119)을 생성하는 단계를 포함한다. 출력 오디오 특징 표현에는 화자 임베딩에 의해 지정된 타겟 화자의 음성 특성이 포함된다.

대표청구항 ▼

음성 합성 방법(300)으로서,데이터 처리 하드웨어(121)에서, 제1 언어의 음성(speech)(150)으로 합성될 입력 텍스트 시퀀스(114)를 수신하는 단계;데이터 처리 하드웨어(121)에 의해, 화자 임베딩(116a)을 획득하는 단계, 상기 화자 임베딩(116a)은 입력 텍스트 시퀀스(114)를 타겟 화자(10)의 음성(voice)을 복제하는 음성(150)으로 합성하기 위해 타겟 화자(10)의 특정 음성 특성을 지정하고, 상기 타겟 화자(10)는 제1 언어와 상이한 제2 언어의 모국 화자를 포함하고; 및데이터 처리 하드웨어(

음성 합성 방법(300)으로서,데이터 처리 하드웨어(121)에서, 제1 언어의 음성(speech)(150)으로 합성될 입력 텍스트 시퀀스(114)를 수신하는 단계;데이터 처리 하드웨어(121)에 의해, 화자 임베딩(116a)을 획득하는 단계, 상기 화자 임베딩(116a)은 입력 텍스트 시퀀스(114)를 타겟 화자(10)의 음성(voice)을 복제하는 음성(150)으로 합성하기 위해 타겟 화자(10)의 특정 음성 특성을 지정하고, 상기 타겟 화자(10)는 제1 언어와 상이한 제2 언어의 모국 화자를 포함하고; 및데이터 처리 하드웨어(121)에 의해, 텍스트-음성 변환(TTS) 모델(100)을 사용하여, 입력 텍스트 시퀀스(114)와 화자 임베딩(116a)을 처리함으로써 입력 텍스트 시퀀스(114)의 출력 오디오 특징 표현(119)을 생성하는 단계를 포함하고, 상기 출력 오디오 특징 표현(119)은 화자 임베딩(116a)에 의해 지정된 타겟 화자(10)의 음성 특징을 포함하고,상기 화자 임베딩(116a)은 제2 언어로 타겟 화자(10)에 의해 발화된 트레이닝 발언에 기초하여 TTS 모델(100)의 트레이닝 동안 학습되고 여기서 제2 언어는 입력 텍스트 시퀀스가 합성될 상기 음성의 언어가 아닌 것을 특징으로 하는 음성 합성 방법(300).