一种零样本蒙古语情感语音合成方法

一种零样本蒙古语情感语音合成方法，对说话人编码器进行训练，使说话人编码器可以从说话人语音中生成说话人嵌入向量；对蒙古语语文本进行字母到音素转换，得到音素序列数据；从蒙古语情感音频中提取说话人嵌入向量；FastSpeech2声学模型中添加交叉注意力机制，使模型能够对语音的情感进行细粒度控制；FastSpeech2声学模型中添加多头注意力机制，使模型可以依据多种信息合成梅尔频谱；将音素序列数据、说话人嵌入向量、情感标签输入改进后的FastSpeech2声学模型，生成梅尔频谱；将梅尔频谱输入至声码器，将声学特征转换为语音波形，完成零样本蒙古语情感语音合成。本发明可以直接从字符合成蒙古语情感语音，大大降低对语言学知识的要求，并且可以根据提示语音，更改合成蒙古语语音的说话人。