[發明專利]一種語音合成處理方法及裝置

在審

• 申請號: 201710258785.6
• 申請日: 2017-04-19
• 公開（公告）號: CN107039032A
• 公開（公告）日: 2017-08-11
• 發明（設計）人: 蔣化冰;蔡漢嘉;馬晨星;張俊杰;譚舟;王振超;梁蘭;徐志強;嚴婷;酈莉
• 申請（專利權）人: 上海木爺機器人技術有限公司
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L13/04
• 代理公司: 北京太合九思知識產權代理有限公司11610
• 代理人: 劉戈

1.一種語音合成處理方法，其特征在于，包括：

在在線語音合成引擎將文本合成音頻信號的過程中，周期性采集所述在線語音合成引擎的合成速率；

根據所述合成速率，確定在線語音合成過程出現異常狀況；

標記所述在線語音合成引擎在在線語音合成過程出現異常狀況時合成到的第一文本位置；

從所述第一文本位置開始，啟用離線語音合成引擎將后續的文本合成音頻信號。

2.根據權利要求1所述的方法，其特征在于，所述根據所述合成速率，確定在線語音合成過程出現異常狀況，包括：

若所述合成速率的波動幅度大于預設的波動幅度閾值，確定在線語音合成過程出現異常狀況；或者

若所述合成速率小于預設的速率閾值，確定在線語音合成過程出現異常狀況。

3.根據權利要求1所述的方法，其特征在于，所述從所述第一文本位置開始，啟用離線語音合成引擎將后續的文本合成音頻信號，包括：

根據所述在線語音合成引擎合成音頻信號時采用的音頻特征，從至少一個語音庫中選擇與所述音頻特征匹配度最高的目標語音庫；

從所述第一文本位置開始，將所述后續的文本輸入使用所述目標語音庫的離線語音合成引擎，以供所述離線語音合成引擎基于所述目標語音庫將所述后續的文本合成音頻信號。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述方法還包括：

在啟用所述離線語音合成引擎將后續的文本合成音頻信號的過程中，監測離線語音合成過程是否出現異常狀況；

若監測到離線語音合成過程出現異常狀況，標記所述離線語音合成引擎在離線語音合成過程出現異常狀況時合成到的第二文本位置；

從所述第二文本位置開始，啟用所述在線語音合成引擎將后續的文本合成音頻信號。

5.根據權利要求4所述的方法，其特征在于，所述在啟用所述離線語音合成引擎將后續的文本合成音頻信號的過程中，監測離線語音合成過程是否出現異常狀況，包括：

在啟用所述離線語音合成引擎將后續的文本合成音頻信號的過程中，監測所述離線語音合成引擎使用的語音庫中是否包括待合成的文本片段對應的語音單元；

若判斷結果為否，確定離線語音合成過程出現異常狀況；

若判斷結果為是，確定離線語音合成過程未出現異常狀況。

6.根據權利要求1-3任一項所述的方法，其特征在于，所述方法還包括：

在啟用所述離線語音合成引擎將后續的文本合成音頻信號的過程中，監測在線語音合成過程中出現的異常狀況是否消除；

若監測到在線語音合成過程中出現的異常狀況消除時，標記所述離線語音合成引擎在監測到在線語音合成過程中出現的異常狀況消除時合成到的第三文本位置；

從所述第三文本位置開始，啟用所述在線語音合成引擎將后續的文本合成音頻信號。

7.根據權利要求6所述的方法，其特征在于，所述在啟用所述離線語音合成引擎將后續的文本合成音頻信號的過程中，監測在線語音合成過程中出現的異常狀況是否消除，包括：

在啟用所述離線語音合成引擎將后續的文本合成音頻信號的過程中，向所述在線語音合成引擎發送探測信號；

若在設定時間內收到所述在線語音合成引擎針對所述探測信號返回的響應信號，確定在線語音合成過程中出現的異常狀況消除；

若未在設定時間內收到所述在線語音合成引擎針對所述探測信號返回的響應信號，確定在線語音合成過程中出現的異常狀況尚未消除。

8.一種語音合成處理裝置，其特征在于，包括：

采集模塊，用于在在線語音合成引擎將文本合成音頻信號的過程中，周期性采集所述在線語音合成引擎的合成速率；

確定模塊，用于根據所述合成速率，確定在線語音合成過程出現異常狀況；

第一標記模塊，用于標記所述在線語音合成引擎在在線語音合成過程出現異常狀況時合成到的第一文本位置；

第一啟用模塊，用于從所述第一文本位置開始，啟用離線語音合成引擎將后續的文本合成音頻信號。

9.根據權利要求8所述的裝置，其特征在于，所述確定模塊具體還用于：

若所述合成速率的波動幅度大于預設的波動幅度閾值，確定在線語音合成過程出現異常狀況；或者

若所述合成速率小于預設的速率閾值，確定在線語音合成過程出現異常狀況。

10.根據權利要求8所述的裝置，其特征在于，所述第一啟用模塊具體還用于：

根據所述在線語音合成引擎合成音頻信號時采用的音頻特征，從至少一個語音庫中選擇與所述音頻特征匹配度最高的目標語音庫；

從所述第一文本位置開始，將所述后續的文本輸入使用所述目標語音庫的離線語音合成引擎，以供所述離線語音合成引擎基于所述目標語音庫將所述后續的文本合成音頻信號。