一种双阶段神经声码器的语音合成方法、系统、终端及介质

本发明公开了一种双阶段神经声码器的语音合成方法、系统、终端及介质，涉及语音合成技术领域，双阶段包括幅度重建阶段和相位生成阶段，方法包括：在幅度重建阶段中，基于ICCRN模型利用监督学习的方式得到估计幅度谱；在相位生成阶段时，基于幅度重建阶段中得到的估计幅度谱与ICCRN模型，结合生成对抗网络，生成与估计幅度谱高度拟合的相位谱；基于估计幅度谱与相位谱，得到合成后的语音样本。本发明将ICCRN模型应用在幅度谱重建阶段和相位谱生成阶段中，且在相位谱生成阶段，创新的提出GAN的方式，利用估计幅度谱去生成一个高度拟合幅度的相位谱，解决了相位‑幅度固有的一对多的关系，有利于提升音频保真度和设备兼容性。