一种环境感知的可控背景去除和保留的语音合成系统

本发明公开了一种环境感知的可控背景去除和保留的语音合成系统，涉及语音领域，本发明提出了一个能够根据带噪提示语音感知声学环境，从而进行可控背景去除和保留的语音合成系统，以文本、提示语音和任务相关的控制信号作为输入，包含时长预测器、声学模型和双重提示语音编码器，在训练策略上，基于流匹配算法，进一步提出了可控的掩码语音预测训练策略，通过提供带噪的提示语音实现可控的背景去除和保留。本发明提高了系统处理带噪、混响和干扰说话人的提示语音的鲁棒性和可控性，能够在生成语音时有效地控制提示语音中含有的背景的去除与保留，实现更高的生成语音质量和更相似的声学背景。