摘要
本发明公开了一种基于深度学习的个性化语音克隆方法及系统，涉及语音克隆技术领域，包括：采集目标用户的语音样本；基于卷积神经网络，提取语音样本的高维特征；基于变分自编码器，将高维特征编码为低维向量；利用预设合成模型，将低维向量转化为语音特征序列；以语音样对应的文本和语音特征序列为训练样本，对预设合成模型进行训练，得到训练好的合成模型；基于训练好的合成模型，提取待克隆文本的语音特征序列；将待克隆文本的语音特征序列输入到基于改进的WaveNet结构的语音合成模型，生成目标语音波形。本发明能够在少量语音数据的基础上，实现高质量的语音克隆。
