一种多模态情感驱动文字转语音的方法、系统及设备

本发明提出了一种多模态情感驱动文字转语音的方法、系统及设备，包括如下步骤：S1，输入待处理文本，进行情感分析，识别所述待处理文本的情感特征；S2，输入用户提供的语音数据，提取所述语音数据的个性化语音特征；S3，融合所述情感特征和所述个性化语音特征，生成联合特征向量，所述联合特征向量嵌入深度学习模型进行语音合成；S4，输入待处理文本和联合特征向量，通过深度学习模型，生成音频波形；S5，分析待处理文本的语境，调整和优化音频波形，得到最终语音结果；通过将多模态情感分析与用户情绪状态相结合，利用深度学习模型实现个性化语音定制，语境理解模块能够根据上下文信息智能调整语音特征，提高了语音的自然度和适应性。