一种藏语语音合成方法、系统、设备和介质

本发明公开了一种藏语语音合成方法、系统、设备和介质，其涉及语音合成技术领域。包括：获取原始ASR音频及其对应的藏语文本；对原始ASR音频进行端到端修复处理，得到修复音频；对藏语文本进行字节对编码，得到多个文本特征；并对每个文本特征所对应的音节结构进行标注，得到文本条件特征；通过修复音频和文本条件特征对基于条件流匹配的声学模型进行训练，得到语音合成模型；将目标文本和参考音频输入语音合成模型，得到符合目标文本且与参考音频的声学特征相匹配的藏语合成语音。本发明使基于条件流匹配的声学模型能够更精准地学习藏语特有的时长分布规律、韵律停顿模式及协同发音规则，大幅提高藏语语音与个性化应用场景的适配度。