[發(fā)明專(zhuān)利]語(yǔ)音合成數(shù)據(jù)庫(kù)停頓信息自動(dòng)標(biāo)注方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201610091554.6
• 申請(qǐng)日: 2016-02-19
• 公開(kāi)（公告）號(hào): CN105632484B
• 公開(kāi)（公告）日: 2019-04-09
• 發(fā)明（設(shè)計(jì)）人: 劉青松;許東星;王鳴;黃盼
• 申請(qǐng)（專(zhuān)利權(quán)）人: 云知聲（上海）智能科技有限公司
• 主分類(lèi)號(hào): G10L13/08
• 分類(lèi)號(hào): G10L13/08
• 代理公司: 上海唯源專(zhuān)利代理有限公司 31229
• 代理人: 曾耀先

1.一種語(yǔ)音合成數(shù)據(jù)庫(kù)停頓信息自動(dòng)標(biāo)注方法，其特征在于，包括：

獲取語(yǔ)音合成數(shù)據(jù)庫(kù)中待標(biāo)注的語(yǔ)音數(shù)據(jù)；

將所述語(yǔ)音數(shù)據(jù)轉(zhuǎn)化為語(yǔ)音特征幀序列并判斷所述語(yǔ)音特征幀序列中的停頓信息，形成停頓信息的預(yù)測(cè)位置；

從語(yǔ)音合成數(shù)據(jù)庫(kù)中獲取與所述語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的文本數(shù)據(jù)；

利用自動(dòng)切分對(duì)齊方法計(jì)算所述語(yǔ)音數(shù)據(jù)和所述文本數(shù)據(jù)在時(shí)間軸上的映射關(guān)系；

基于所述映射關(guān)系將所述停頓信息插入到所述文本數(shù)據(jù)中以形成標(biāo)注文本信息；以及

利用自動(dòng)切分對(duì)齊方法計(jì)算所述語(yǔ)音數(shù)據(jù)和所述標(biāo)注文本信息在時(shí)間軸上的映射關(guān)系。

2.如權(quán)利要求1所述的語(yǔ)音合成數(shù)據(jù)庫(kù)停頓信息自動(dòng)標(biāo)注方法，其特征在于，將所述語(yǔ)音數(shù)據(jù)轉(zhuǎn)化為語(yǔ)音特征幀序列并判斷所述語(yǔ)音特征幀序列中的停頓信息，形成停頓信息的預(yù)測(cè)位置，包括：

以設(shè)定的幀長(zhǎng)和幀移對(duì)所述語(yǔ)音數(shù)據(jù)進(jìn)行分幀處理，獲得對(duì)應(yīng)的語(yǔ)音特征幀序列；

計(jì)算所述語(yǔ)音特征幀序列中每一語(yǔ)音特征幀的能量值，形成對(duì)應(yīng)所述語(yǔ)音特征幀序列的語(yǔ)音特征幀能量序列；

平滑所述語(yǔ)音特征幀能量序列，設(shè)定能量閾值，判斷得出所述語(yǔ)音特征幀能量序列中低于所述能量閾值的能量值的起始幀和結(jié)束幀，形成預(yù)判的停頓片段；

設(shè)定停頓時(shí)長(zhǎng)，比較所述預(yù)判的停頓片段與所述停頓時(shí)長(zhǎng)的大小，若所述預(yù)判的停頓片段大于所述停頓時(shí)長(zhǎng)，則判斷所述預(yù)判的停頓片段為停頓信息。

3.如權(quán)利要求1所述的語(yǔ)音合成數(shù)據(jù)庫(kù)停頓信息自動(dòng)標(biāo)注方法，其特征在于，利用自動(dòng)切分對(duì)齊方法計(jì)算所述語(yǔ)音數(shù)據(jù)和所述文本數(shù)據(jù)在時(shí)間軸上的映射關(guān)系，包括：

提取所述語(yǔ)音合成數(shù)據(jù)庫(kù)中多條語(yǔ)音數(shù)據(jù)的頻譜特征參數(shù)；

利用所提取的頻譜特征參數(shù)和與多條語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的文本數(shù)據(jù)迭代訓(xùn)練頻譜特征聲學(xué)模型；

計(jì)算對(duì)應(yīng)待標(biāo)注的語(yǔ)音數(shù)據(jù)的語(yǔ)音頻譜特征參數(shù)和所述頻譜特征聲學(xué)模型之間的相似度，以找到與待標(biāo)注的語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的所述文本數(shù)據(jù)中的音素序列的切分路徑。

4.如權(quán)利要求3所述的語(yǔ)音合成數(shù)據(jù)庫(kù)停頓信息自動(dòng)標(biāo)注方法，其特征在于，基于所述映射關(guān)系將所述停頓信息插入到所述文本數(shù)據(jù)中以形成標(biāo)注文本信息，包括：

根據(jù)所述音素序列的切分路徑在時(shí)間軸上的位置信息，將所述停頓信息按照時(shí)間軸的順序插入相應(yīng)的音素間。

5.如權(quán)利要求1所述的語(yǔ)音合成數(shù)據(jù)庫(kù)停頓信息自動(dòng)標(biāo)注方法，其特征在于，還包括：對(duì)所形成的標(biāo)注文本信息進(jìn)行糾錯(cuò)處理，所述糾錯(cuò)處理包括：

遍歷所述標(biāo)注文本信息，查找所述標(biāo)注文本信息中相鄰的聲母音素和韻母音素間是否存有停頓信息，若存有停頓信息，則刪除所述停頓信息。

6.一種語(yǔ)音合成數(shù)據(jù)庫(kù)停頓信息自動(dòng)標(biāo)注系統(tǒng)，其特征在于，包括：

語(yǔ)音獲取單元，與語(yǔ)音合成數(shù)據(jù)庫(kù)連接，用于從所述語(yǔ)音合成數(shù)據(jù)庫(kù)中讀取待標(biāo)注的語(yǔ)音數(shù)據(jù)；

停頓預(yù)測(cè)單元，與所述語(yǔ)音獲取單元連接，用于將所述語(yǔ)音獲取單元讀取的語(yǔ)音數(shù)據(jù)轉(zhuǎn)化為語(yǔ)音特征幀序列并判斷得出所述語(yǔ)音特征幀序列中的停頓信息以形成停頓信息的預(yù)測(cè)位置；

文本獲取單元，與所述語(yǔ)音合成數(shù)據(jù)庫(kù)連接，用于從所述語(yǔ)音合成數(shù)據(jù)庫(kù)中獲取與所述語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的文本數(shù)據(jù)；

自動(dòng)切分單元，與所述語(yǔ)音獲取單元和所述文本獲取單元連接，利用自動(dòng)切分對(duì)齊方法計(jì)算得出所述語(yǔ)音數(shù)據(jù)和所述文本數(shù)據(jù)在時(shí)間軸上的映射關(guān)系；

停頓標(biāo)注單元，與所述停頓預(yù)測(cè)單元、所述文本獲取單元、和所述自動(dòng)切分單元連接，用于基于所述自動(dòng)切分單元計(jì)算出的映射關(guān)系將所述停頓信息插入到所述文本數(shù)據(jù)中以形成標(biāo)注文本信息；

所述自動(dòng)切分單元還利用自動(dòng)切分對(duì)齊方法計(jì)算所述語(yǔ)音數(shù)據(jù)和所述標(biāo)注文本信息在時(shí)間軸上的映射關(guān)系。