[發(fā)明專利]一種基于文本信息的波形拼接語音合成方法

有效

• 申請?zhí)枺?/td>: 201410362838.5
• 申請日: 2014-07-28
• 公開（公告）號: CN104112444B
• 公開（公告）日: 2018-11-06
• 發(fā)明（設(shè)計(jì)）人: 陶建華;劉善峰
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L13/02
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 宋焰琴

1.一種基于文本信息的波形拼接語音合成方法，其特征在于，該方法包括：

步驟S1：通過音段切分，提取原始音頻中以基元為單位的聲學(xué)參數(shù)與文本參數(shù)，根據(jù)提取的參數(shù)訓(xùn)練每個基元權(quán)重預(yù)測模型與時長預(yù)測模型；

步驟S2：采用分層預(yù)選方法，利用文本分析的目標(biāo)基元、時長預(yù)測模型預(yù)測的時長對語料庫中的基元進(jìn)行初步預(yù)選，獲得候選基元；

步驟S3：通過目標(biāo)基元與候選基元之間采用權(quán)重預(yù)測模型預(yù)測的權(quán)重信息計(jì)算目標(biāo)代價(jià)；對相鄰兩個基元的契合度進(jìn)行計(jì)算，得到拼接代價(jià)；用維特比搜索方法對目標(biāo)代價(jià)和拼接代價(jià)進(jìn)行搜索，得到最小代價(jià)路徑，進(jìn)而得到最佳基元并經(jīng)過平滑拼接得到合成語音。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述訓(xùn)練時長預(yù)測模型包括以下步驟：

步驟S11：對音庫進(jìn)行音段切分，切分為波形拼接系統(tǒng)所需的最小基本單元，并以切分后的基元為單位，按幀提取基頻參數(shù)、梅爾倒譜參數(shù)與能量；

步驟S12：對原始音頻對應(yīng)文本進(jìn)行文本分析，提取所有基元對應(yīng)的上下文文本特征信息與時長信息，并與提取的聲學(xué)參數(shù)一一對應(yīng)；

步驟S13：根據(jù)與聲學(xué)參數(shù)一一對應(yīng)的文本特征與時長信息，采用決策樹訓(xùn)練時長預(yù)測模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述訓(xùn)練權(quán)重預(yù)測模型包括以下步驟：

步驟S1A：對音庫進(jìn)行音段切分，切分為波形拼接系統(tǒng)所需的最小基本單元，并以切分后的基元為單位，按幀提取基頻參數(shù)、梅爾倒譜參數(shù)與能量；

步驟S1B：對所述原始音頻對應(yīng)文本進(jìn)行文本分析，提取所有基元對應(yīng)的上下文文本特征信息與時長信息，并與提取的聲學(xué)參數(shù)一一對應(yīng)；

步驟S1C：根據(jù)提取的所有基元的文本特征與聲學(xué)特征，按基元進(jìn)行分類；

步驟S1D：對于每一類基元，計(jì)算所有任意兩個基元對應(yīng)的文本特征參數(shù)與聲學(xué)參數(shù)之間的距離，存儲所有距離信息作為訓(xùn)練樣本；

步驟S1F：采用決策樹和線性回歸算法，訓(xùn)練權(quán)重預(yù)測模型。

4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述文本特征的距離信息作為決策樹的節(jié)點(diǎn)，在葉節(jié)點(diǎn)處與聲學(xué)參數(shù)的距離作線性回歸，即可得到文本信息對應(yīng)的權(quán)重。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分層預(yù)選包括以下步驟：

步驟S21：設(shè)置標(biāo)識參數(shù)flag＝0，第一層預(yù)選采用基元上下文位置信息進(jìn)行預(yù)選；

步驟S22：第二層預(yù)選是在第一層預(yù)選的基礎(chǔ)上，采用文本特征信息、詞性和重音信息進(jìn)行基元預(yù)選，如果標(biāo)識參數(shù)flag＝0，則執(zhí)行步驟S23；如果標(biāo)識參數(shù)flag＝1，則輸出第二層候選基元；

步驟S23：第三層預(yù)選是在第二層預(yù)選的基礎(chǔ)上，采用根據(jù)預(yù)測時長信息作為預(yù)選信息進(jìn)行預(yù)選，如果候選基元個數(shù)為0，設(shè)置標(biāo)識參數(shù)flag＝1，返回步驟S21；如果候選基元個數(shù)不為0，則輸出第三層候選基元。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取所述目標(biāo)代價(jià)包括以下步驟：

步驟S31：根據(jù)待合成語句的文本分析結(jié)果提取的相關(guān)基元的文本特征參數(shù)作為目標(biāo)基元的參數(shù)，將分層預(yù)選后的基元的文本參數(shù)作為候選基元的參數(shù)；

步驟S32：計(jì)算目標(biāo)基元與候選基元文本特征間的距離，結(jié)合預(yù)測出的權(quán)重信息，經(jīng)過線性回歸運(yùn)算得到的結(jié)果即為目標(biāo)代價(jià)。