用于语音合成模型的测试方法、装置、设备及介质与流程

本发明涉及人工智能，适用于金融科技场景和医疗科技场景，尤其涉及一种用于语音合成模型的测试方法、装置、设备及介质。

背景技术：

1、目前，传统的语音合成模型训练方法通常基于大规模训练文本及其标注语音数据对语音合成模型（如fastspeech）输出的合成语音数据概率进行分析或对进行多步解码重构误差处理，以实现模型监督训练。例如，在保险场景中，为了实现保单咨询、续保提醒或理赔通知等自动语音播报，通过获取保险客服人员的真实通话录音作为训练数据，将录音转化为文本并标注对应的语音时长、音高等声学参数，利用训练数据和声学参数对语音合成模型进行训练，使模型学习从文本到语音的映射关系，并通过训练完成的模型进行保险业务文本语音合成。在医疗场景中，为了实现智慧语音导诊，需要采集导诊人员的导诊录音作为训练语料，训练语音合成模型学习导诊文本到语音的映射关系，并通过训练完成的模型将待播报的医疗提示文本转换为对应的合成语音。然而，这种方法在模型训练过程中会对训练样本产生“记忆效应”，使得攻击者通过向训练好的语音合成模型输入特定文本并分析模型的输出特征（如预测置信度、生成语音的细节特征等），可以判断出训练样本是否曾被用于模型训练，以推断出训练数据中是否包含特定用户的隐私信息，从而导致训练样本存在严重的隐私泄露风险。因此，如何实现语音合成模型在训练过程中对训练样本的隐私保护性能测试，以防范语音合成模型的训练样本泄露，成为了亟待解决的问题。

技术实现思路

1、本发明提供一种用于语音合成模型的测试方法、装置、计算机设备及介质，以解决如何实现语音合成模型在训练过程中对训练样本的隐私保护性能测试，以防范语音合成模型的训练样本泄露的技术问题。

2、第一方面，提供了一种用于语音合成模型的测试方法，包括：

3、获取目标语音合成模型，并确定对应于所述目标语音合成模型的误差判定数据；

4、获取目标测试样本；其中，所述目标测试样本包括训练文本和与所述训练文本对应的真实语音时长数据；

5、通过所述目标语音合成模型对所述训练文本进行语音时长预测，得到所述训练文本对应的预测语音时长数据；

6、根据所述真实语音时长数据和所述预测语音时长数据进行时长误差计算，得到目标测试误差数据；

7、根据所述误差判定数据和所述目标测试误差数据对所述目标语音合成模型进行模型能力分析，得到对应于所述目标语音合成模型的模型测试信息。

8、第二方面，提供了一种用于语音合成模型的测试装置，包括：

9、模型和误差判定数据获取模块，用于获获取目标语音合成模型，并确定对应于所述目标语音合成模型的误差判定数据；

10、测试样本获取模块，用于获取目标测试样本；其中，所述目标测试样本包括训练文本和与所述训练文本对应的真实语音时长数据；

11、语音时长预测模块，用于通过所述目标语音合成模型对所述训练文本进行语音时长预测，得到所述训练文本对应的预测语音时长数据；

12、时长误差计算模块，用于根据所述真实语音时长数据和所述预测语音时长数据进行时长误差计算，得到目标测试误差数据；

13、模型能力分析模块，用于根据所述误差判定数据和所述目标测试误差数据对所述目标语音合成模型进行模型能力分析，得到对应于所述目标语音合成模型的模型测试信息。

14、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述用于语音合成模型的测试方法的步骤。

15、第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述用于语音合成模型的测试方法的步骤。

16、上述用于语音合成模型的测试方法、装置、设备及介质所实现的方案中，可以通过获取目标语音合成模型，并确定对应于目标语音合成模型的误差判定数据；获取包括训练文本和与训练文本对应的真实语音时长数据在内的目标测试样本；通过目标语音合成模型对训练文本进行语音时长预测，得到训练文本对应的预测语音时长数据；根据真实语音时长数据和预测语音时长数据进行时长误差计算，得到目标测试误差数据；进而根据误差判定数据和目标测试误差数据对目标语音合成模型进行模型能力分析，得到对应于目标语音合成模型的模型测试信息。在本申请中，通过引入基于语音时长特征的差异化对比机制，仅需利用目标语音合成模型进行前向的时长预测，即可精准提取时长误差作为样本隐私泄露分析基准，以在模型训练阶段识别并抑制对隐私泄露风险训练样本的过度记忆，不仅有效避免了传统语音合成方法缺乏对训练样本隐私泄露风险进行约束的缺陷，突破了传统测试方法需要多步解码重构或复杂输出特征分析的局限，还大幅降低了模型测试的计算复杂度，实现了以较低计算开销快速、精确地评估模型的隐私保护性能，为防范训练样本泄露提供了可靠的模型测试信息，提升了语音合成模型在实际应用与部署前的安全审计效率与准确性，从而提升了语音合成模型对训练数据隐私的防护能力。

1.一种用于语音合成模型的测试方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述获取目标语音合成模型，并确定对应于所述目标语音合成模型的误差判定数据，包括：

3.如权利要求2所述的方法，其特征在于，所述根据所述误差判定数据和所述目标测试误差数据对所述目标语音合成模型进行模型能力分析，得到对应于所述目标语音合成模型的模型测试信息，包括：

4.如权利要求3所述的方法，其特征在于，所述根据所述误差判定数据和所述目标测试误差数据对所述目标语音合成模型进行模型能力分析，得到对应于所述目标语音合成模型的模型测试信息，还包括：

5.如权利要求2所述的方法，其特征在于，所述第一训练样本集包括各第一训练文本及各所述第一训练文本对应的第一真实时长数据；

6.如权利要求1至5任一项所述的方法，其特征在于，所述根据所述真实语音时长数据和所述预测语音时长数据进行时长误差计算，得到目标测试误差数据，包括：

7.如权利要求1至5任一项所述的方法，其特征在于，所述通过所述目标语音合成模型对所述训练文本进行语音时长预测，得到所述训练文本对应的预测语音时长数据，包括：

8.一种用于语音合成模型的测试装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述用于语音合成模型的测试方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述用于语音合成模型的测试方法的步骤。