[發明專利]用于波形拼接語音合成的選音方法和裝置

有效

• 申請號: 201610035220.7
• 申請日: 2016-01-19
• 公開（公告）號: CN105719641B
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 張輝;李秀林
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G10L13/10
• 分類號: G10L13/10;G10L13/033
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

1.一種用于波形拼接語音合成的選音方法，其特征在于，包括：

獲取標注信息，所述標注信息是對待合成文本進行前端處理后得到的；

獲取預先生成的機器學習模型；

根據所述標注信息和所述機器學習模型進行機器學習預選，得到候選音子波形片斷；

所述根據所述標注信息和所述機器學習模型進行機器學習預選，得到候選音子波形片斷，包括：

根據所述待合成文本對應的標注信息，對應每個音子，遍歷所述音子對應的音子樹，獲取所述音子樹的葉子節點關聯的HMM；

根據所述HMM與波形片斷的對應關系，獲取與所述葉子節點關聯的HMM對應的波形片斷，將所述波形片斷確定為得到候選音子波形片斷。

2.根據權利要求1所述的方法，其特征在于，當所述機器學習模型是音子樹時，所述方法還包括：

獲取音子樣本的標注信息及音子樣本的波形片斷，并根據所述音子樣本的標注信息，訓練得到HMM，以及，建立HMM與波形片斷的對應關系；

對應每個音子，對所述音子對應的HMM進行決策樹聚類，得到所述音子對應的音子樹。

3.根據權利要求2所述的方法，其特征在于，所述音子樹中，每個非葉子節點對應一個最優的分裂問題，每個葉子節點關聯一個或多個HMM。

4.根據權利要求3所述的方法，其特征在于，所述最優的分裂問題是使得分裂前后對數似然值增量最大的問題，當分裂前后對數似然增量小于預設閾值時，停止分裂，其中，所述預設閾值根據MDL準則確定。

5.根據權利要求1所述的方法，其特征在于，還包括：

獲取聲學參數，所述聲學參數是根據所述標注信息進行聲學參數預測后得到的；

根據所述聲學參數和所述候選音子波形片斷，進行代價計算，選擇出最優音子波形片斷序列，以便對所述最優音子波形片斷序列中的波形片斷進行拼接，得到合成語音。

6.一種用于波形拼接語音合成的選音裝置，其特征在于，包括：

第一獲取模塊，用于獲取標注信息，所述標注信息是對待合成文本進行前端處理后得到的；

第二獲取模塊，用于獲取預先生成的機器學習模型；

預選模塊，用于根據所述標注信息和所述機器學習模型進行機器學習預選，得到預選后的音子；

所述預選模塊具體用于：

根據所述待合成文本對應的標注信息，對應每個音子，遍歷所述音子對應的音子樹，獲取所述音子樹的葉子節點關聯的HMM；

根據所述HMM與波形片斷的對應關系，獲取與所述葉子節點關聯的HMM對應的波形片斷，將所述波形片斷確定為得到候選音子波形片斷。

7.根據權利要求6所述的裝置，其特征在于，當所述機器學習模型是音子樹時，所述裝置還包括：

建模模塊，用于獲取音子樣本的標注信息及音子樣本的波形片斷，并根據所述音子樣本的標注信息，訓練得到HMM，以及，建立HMM與波形片斷的對應關系；

聚類模塊，用于對應每個音子，對所述音子對應的HMM進行決策樹聚類，得到所述音子對應的音子樹。

8.根據權利要求6所述的裝置，其特征在于，還包括：

第三獲取模塊，用于獲取聲學參數，所述聲學參數是根據所述標注信息進行聲學參數預測后得到的；

確定模塊，用于根據所述聲學參數和所述候選音子波形片斷，進行代價計算，選擇出最優音子波形片斷序列，以便對所述最優音子波形片斷序列中的波形片斷進行拼接，得到合成語音。