[發明專利]語音合成單元選擇

有效

• 申請號: 201711049277.3
• 申請日: 2017-10-31
• 公開（公告）號: CN108573692B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: I.阿吉奧米爾詹納基斯
• 申請（專利權）人: 谷歌有限責任公司
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L13/06
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 邵亞麗

1.一種非暫時計算機存儲介質，其編碼有指令，所述指令當由文本到語音系統的一個或多個計算機執行時，使得所述一個或多個計算機執行操作，所述操作包括：

由文本到語音系統的一個或多個計算機接收指示用于語音合成的文本的數據；

由文本到語音系統的一個或多個計算機確定每個表示文本的相應部分的文本單元的序列，所述文本單元的序列包括至少第一文本單元、然后第二文本單元；

由文本到語音系統的一個或多個計算機生成候選語音單元的格子，所述候選語音單元的格子針對文本單元的序列中的每個文本單元包括相同預定數量L的語音單元，候選語音單元的格子中的每個語音單元與相應聲學參數相關聯，其中，通過向格子添加每個被選擇來擴展經過格子的多個特定路徑中的一個特定路徑的語音單元來生成格子，并且其中，被添加到格子以擴展所述多個特定路徑的語音單元分別基于以下被選擇：

基于與添加的語音單元相關聯的相應聲學參數的串接所述添加的語音單元與所述添加的語音單元被選擇以擴展的特定路徑的最后語音單元的聯合成本；和

指示所述添加的語音單元對應于在格子中所述添加的語音單元所對應的文本單元的程度的目標成本；以及

由文本到語音系統的一個或多個計算機根據經過生成的格子的語音單元的路徑提供合成語音數據，

其中，經過格子的多個特定路徑包括數量為K的路徑，并且

其中，向格子添加語音單元包括，對于數量為K的路徑中的每個路徑的最后語音單元：

確定數量為X的語音單元以從數量為K的路徑中的對應特定路徑的最后語音單元進行擴展，其中X對應于由L與K的比表示的值；以及

向數量為K的路徑中的對應特定路徑的最后語音單元添加所確定的數量為X的語音單元。

2.根據權利要求1所述的計算機存儲介質，其中確定每個表示所述文本的相應部分的文本單元的序列包括確定文本單元的序列，所述文本單元每個表示與由其他文本單元表示的文本的部分分離的、文本的不同部分。

3.一種文本到語音系統，包括一個或多個計算機和一個或多個存儲設備，所述存儲設備上存儲有指令，所述指令在由所述一個或多個計算機執行時可操作以使所述一個或多個計算機執行操作，所述操作包括：

由文本到語音系統的一個或多個計算機接收指示用于語音合成的文本的數據；

由所述文本到語音系統的所述一個或多個計算機確定每個表示文本的相應部分的文本單元的序列，所述文本單元的序列包括至少第一文本單元、然后第二文本單元；

由文本到語音系統的一個或多個計算機生成候選語音單元的格子，所述候選語音單元的格子針對文本單元的序列中的每個文本單元包括相同預定數量L的語音單元，候選語音單元的格子中的每個語音單元與相應聲學參數相關聯，其中，通過向格子添加分別被選擇以擴展經過格子的多個特定路徑中的一個特定路徑的語音單元來生成格子，并且其中，被添加到格子以擴展所述多個特定路徑的語音單元分別基于以下被選擇：

基于與添加的語音單元相關聯的相應聲學參數的串接所述添加的語音單元與所述添加的語音單元被選擇以擴展的特定路徑的最后語音單元的聯合成本；和

指示所述添加的語音單元對應于在格子中所述添加的語音單元所對應的文本單元的程度的目標成本；以及

由文本到語音系統的一個或多個計算機根據經過生成的格子的語音單元的路徑提供合成語音數據，

其中，經過格子的多個特定路徑包括數量為K的路徑，并且

其中，向格子添加語音單元包括，對于數量為K的路徑中的每個路徑的最后語音單元：

確定數量為X的語音單元以從數量為K的路徑中的對應特定路徑的最后語音單元進行擴展，其中X對應于由L與K的比表示的值；以及

向數量為K的路徑中的對應特定路徑的最后語音單元添加所確定的數量為X的語音單元。

4.根據權利要求3所述的文本到語音系統，其中確定每個表示文本的相應部分的文本單元的序列包括確定每個表示與其他文本單元表示的文本的部分分離的、文本的不同部分的文本單元的序列。

5.根據權利要求3所述的文本到語音系統，其中，根據經過生成的格子的語音單元的路徑提供合成語音數據包括提供所述合成語音數據以使得設備生成用于所述文本的可聽數據。