基于少样本的语音克隆模型训练方法、装置、介质及设备

本申请公开了一种基于少样本的语音克隆模型训练方法、装置、介质及设备，属于深度学习技术领域。获取训练集；创建语音克隆模型；对于每个训练样本，利用特征序列生成器对源音频、目标文本和目标音频进行处理，将生成的特征拼接成第一特征序列，第一特征序列包括源音频的声音特征和第一语音特征、源音频的第一文本特征和第一音素特征、目标文本的第二文本特征和第二音素特征、目标音频的第二语音特征和位置标识符；利用自回归大语言模型对特征序列进行处理，得到第三语音特征；利用损失函数对第二语音特征和第三语音特征计算损失值，以训练自回归大语言模型的模型参数。本申请能使用少量的样本训练模型，且保证模型输出的声音不失真。