音频风格向量训练方法及音频风格向量生成方法

本发明涉及语音技术领域，公开了音频风格向量训练方法及音频风格向量生成方法，包括：获取样本音频、样本音频的样本文本和样本音频特征；采用风格编码层，基于样本音频特征，确定样本风格向量；采用说话人分类器进行分类得到样本分类结果；采用语音合成模型，基于样本风格向量和样本音频特征进行语音合成，得到合成音频；确定合成损失和分类损失；基于合成损失和分类损失进行训练，将训练好的风格编码层集成到训练好的语音合成模型中，得到目标语音合成模型。本发明无需依赖说话人信息的情况下，也能够准确提取音频中的风格向量，从而基于该风格向量进行训练，使得训练出的语音合成模型能够准确提取音频的风格向量，并且准确地进行语音合成。