个性化文本转语音的方法、系统及相关设备

本发明提供了一种个性化文本转语音的方法、系统及相关设备，方法包括使用非标单说话人的文本/音频语料对深度学习模型进行训练，获得非标文本转语音模型；获取定制音色的单说话人参考音频和待转换的目标文本；将所述目标文本输入所述非标文本转语音模型中，获得所述目标文本的声谱表示；利用声纹编码器从所述单说话人参考音频中提取得到目标说话人的音色嵌入向量；将所述声谱表示和所述音色嵌入向量进行融合后输入神经声码器中，获得个性化语音波形。本发明的方法只需通过单说话人的非标语言数据即可实现音色迁移个性化音频的合成，降低了方案实现难度，能够更好的满足用户需求。