一种拟人化的语音合成方法、装置及可读存储介质

本发明公开了一种拟人化的语音合成方法、装置及可读存储介质，包括：首先，对待处理文本进行特征编码，获取包含语义和语境信息的文本编码特征。接着，通过语音风格预测得到对应的语音风格信息，并提取其风格特征隐变量。将文本编码特征与风格特征隐变量融合，形成融合语音特征。然后，将这些特征输入预设的特征解码器，获得语音解码特征向量。进一步地，结合目标说话用户的身份标识进行特征转化，得到音频信号特征。最后，利用声码器处理这些音频信号特征，生成具有拟人化特色的目标合成语音。如此设计，能够显著提高语音合成的自然度和个性化表现，为用户提供更加逼真的语音交互体验。