1.一种基于特定人物少样本情况下情感可控语音合成方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于特定人物少样本情况下情感可控语音合成方法，其特征在于，在步骤s1中，数据自动化处理模型的处理流程包括：
3.根据权利要求2所述的基于特定人物少样本情况下情感可控语音合成方法，其特征在于，所述特定人的语音首先经过去噪处理，消除语音中的背景声音、噪音，并以固定采样率进行重新采样，包括：将所搜集的针对于特定人语音，重新采样为单通道，16000hz的音频；将重新采样后的音频，通过深度学习算法进行去噪处理，去掉杂音和背景音干扰声音，得到只有干净的人声音频。
4.根据权利要求2所述的基于特定人物少样本情况下情感可控语音合成方法，其特征在于，所述根据vad沉默检测，进行语音片段裁剪，包括：
5.根据权利要求1所述的基于特定人物少样本情况下情感可控语音合成方法，其特征在于，在步骤s2中，情感特征和经过音素编码模块后的特征在维度上一致；两个相同维度矩阵，通过矩阵中相同位置逐点相加得到融合情感特征后的音素序列特征；其中，维度矩阵大小为(b,t,h)，b表示一批次训练中样本数量，t表示传的序列长度，h表示隐藏层维度。
6.根据权利要求1所述的基于特定人物少样本情况下情感可控语音合成方法，其特征在于，在步骤s4中，整个端到端的语音合成训练流程中，网络结构采用基于vae、流网络、hifigan、随机时长预测网络、说话人声纹提取网络；同时，增加双向流网络损失，用于约束在经过流网络变化前后特征。
7.根据权利要求6所述的基于特定人物少样本情况下情感可控语音合成方法，其特征在于，基于kl散度用于约束经过先验编码器以及线性层得到的先验分布，和线性频谱经过后验编码器、流网络得到的后验分布；线性频谱经过后验编码器，得到后验特征，hifigan声码器将经过后验编码器得到的后验特征重建为语音波形；在做kl散度约束时，采用双向流网络损失；
8.根据权利要求7所述的基于特定人物少样本情况下情感可控语音合成方法，其特征在于，训练过程中，通过单调对齐搜索，估计文本音素所对应的时长，作为训练随机时长预测器的真实标签；训练过程中，情感特征提取器和说话人特征提取器，不参与网络参数的更新，分别计算说话人音频中的情感特征和说话人特征。
9.根据权利要求1所述的基于特定人物少样本情况下情感可控语音合成方法，其特征在于，所述推理过程包括：根据输入文本，和指定的说话人参考音频情感，结合说话人特征，得到文本音素的时长预测，将经过线性层的先验分布，根据时长预测进行扩充，扩充后的特征再经过流网络的逆变换得逆变换后的特征，最后hifigan声码器根据逆变换后的特征进行波形重建，得到具有指定情感、指定说话人的情感语音合成。
10.一种基于特定人物少样本情况下情感可控语音合成系统，其特征在于，该系统实施权利要求1-9任意一项所述的基于特定人物少样本情况下情感可控语音合成方法，该系统包括：