[發(fā)明專利]用于合成語(yǔ)音的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201210501075.9
• 申請(qǐng)日: 2012-11-29
• 公開(kāi)（公告）號(hào): CN103854643A
• 公開(kāi)（公告）日: 2014-06-11
• 發(fā)明（設(shè)計(jì)）人: 康永國(guó);李健
• 申請(qǐng)（專利權(quán)）人: 株式會(huì)社東芝
• 主分類號(hào): G10L13/06
• 分類號(hào): G10L13/06
• 代理公司: 北京市中咨律師事務(wù)所 11247
• 代理人: 劉瑞東;楊曉光

1.一種用于合成語(yǔ)音的裝置，包括：

輸入單元，其輸入文本句；

文本分析單元，其對(duì)上述文本句進(jìn)行文本分析以獲得音素序列；

查找單元，其在時(shí)長(zhǎng)預(yù)測(cè)模型中的時(shí)長(zhǎng)決策樹(shù)中查找上述音素序列中的至少一個(gè)音素的葉子節(jié)點(diǎn)，上述葉子節(jié)點(diǎn)中的音素時(shí)長(zhǎng)實(shí)例被聚為多個(gè)類；

概率計(jì)算單元，其計(jì)算上述至少一個(gè)音素屬于上述葉子節(jié)點(diǎn)中的多個(gè)類的每個(gè)類的概率；

時(shí)長(zhǎng)預(yù)測(cè)單元，其利用上述概率計(jì)算單元計(jì)算出的概率和上述多個(gè)類的每個(gè)類的類中心時(shí)長(zhǎng)預(yù)測(cè)上述至少一個(gè)音素的時(shí)長(zhǎng)；以及

語(yǔ)音合成單元，其利用上述時(shí)長(zhǎng)預(yù)測(cè)單元預(yù)測(cè)出的時(shí)長(zhǎng)合成上述文本句的語(yǔ)音。

2.根據(jù)權(quán)利要求1所述的裝置，其中，上述時(shí)長(zhǎng)預(yù)測(cè)單元，將上述多個(gè)類中概率最大的類的類中心時(shí)長(zhǎng)作為上述至少一個(gè)音素的時(shí)長(zhǎng)。

3.根據(jù)權(quán)利要求1所述的裝置，其中，上述時(shí)長(zhǎng)預(yù)測(cè)單元，將上述多個(gè)類的類中心時(shí)長(zhǎng)以上述計(jì)算出的概率為權(quán)重的加權(quán)和，作為上述至少一個(gè)音素的時(shí)長(zhǎng)。

4.根據(jù)權(quán)利要求1所述的裝置，其中，上述時(shí)長(zhǎng)預(yù)測(cè)單元，利用上述計(jì)算出的概率、上述多個(gè)類的每個(gè)類的類中心時(shí)長(zhǎng)和上述多個(gè)類的每個(gè)類的先驗(yàn)概率預(yù)測(cè)上述至少一個(gè)音素的時(shí)長(zhǎng)。

5.根據(jù)權(quán)利要求4所述的裝置，其中，上述時(shí)長(zhǎng)預(yù)測(cè)單元，將上述多個(gè)類的類中心時(shí)長(zhǎng)以上述計(jì)算出的概率和上述多個(gè)類的每個(gè)類的先驗(yàn)概率為權(quán)重的加權(quán)和，作為上述至少一個(gè)音素的時(shí)長(zhǎng)。

6.根據(jù)權(quán)利要求1所述的裝置，其中，

上述文本分析單元還獲得與上述音素序列對(duì)應(yīng)的語(yǔ)境特征序列，

上述查找單元，利用上述語(yǔ)境特征序列中與上述至少一個(gè)音素對(duì)應(yīng)的語(yǔ)境特征查找上述至少一個(gè)音素的葉子節(jié)點(diǎn)。

7.根據(jù)權(quán)利要求1所述的裝置，其中，

上述文本分析單元還獲得與上述音素序列對(duì)應(yīng)的語(yǔ)境特征序列，

上述概率計(jì)算單元，利用上述語(yǔ)境特征序列中與上述至少一個(gè)音素對(duì)應(yīng)的語(yǔ)境特征和上述時(shí)長(zhǎng)預(yù)測(cè)模型中的映射模型計(jì)算上述至少一個(gè)音素屬于上述葉子節(jié)點(diǎn)中的多個(gè)類的每個(gè)類的概率。

8.根據(jù)權(quán)利要求7所述的裝置，其中，上述映射模型通過(guò)上述時(shí)長(zhǎng)預(yù)測(cè)模型中的音素的語(yǔ)境特征與上述時(shí)長(zhǎng)決策樹(shù)中的葉子節(jié)點(diǎn)的多個(gè)類的一個(gè)類的對(duì)應(yīng)關(guān)系訓(xùn)練得到。

9.根據(jù)權(quán)利要求8所述的裝置，其中，上述音素的語(yǔ)境特征包括用于訓(xùn)練上述時(shí)長(zhǎng)決策樹(shù)的語(yǔ)境特征或與用于訓(xùn)練上述時(shí)長(zhǎng)決策樹(shù)的語(yǔ)境特征不同的語(yǔ)境特征。

10.一種用于合成語(yǔ)音的方法，包括以下步驟：

輸入文本句；

對(duì)上述文本句進(jìn)行文本分析以獲得音素序列；

在時(shí)長(zhǎng)預(yù)測(cè)模型中的時(shí)長(zhǎng)決策樹(shù)中查找上述音素序列中的至少一個(gè)音素的葉子節(jié)點(diǎn)，上述葉子節(jié)點(diǎn)中的音素時(shí)長(zhǎng)實(shí)例被聚為多個(gè)類；

計(jì)算上述至少一個(gè)音素屬于上述葉子節(jié)點(diǎn)中的多個(gè)類的每個(gè)類的概率；

利用上述計(jì)算出的概率和上述多個(gè)類的每個(gè)類的類中心時(shí)長(zhǎng)預(yù)測(cè)上述至少一個(gè)音素的時(shí)長(zhǎng)；以及

利用上述預(yù)測(cè)出的時(shí)長(zhǎng)合成上述文本句的語(yǔ)音。