一种基于情感增强的语音克隆方法、装置及相关介质

本发明公开了一种基于情感增强的语音克隆方法、装置及相关介质，该方法包括分别获取参考音频和与所述参考音频对应的预测文本；分别对所述参考音频和预测文本进行预处理，以生成用于特征提取的标准化音频数据；将所述标准化音频数据输入至情感增强模块中，以通过多轮特征融合与自回归生成机制，生成与目标语音风格相匹配的声学特征；将所述声学特征输入至语音合成模块中进行解码处理，输出预测语音。本发明通过通过引入情感增强模块，实现在声学特征生成过程中对说话人情绪风格的精准建模，从而显著提升合成语音的情感拟真度与个性还原能力。