[發(fā)明專利]一種模擬發(fā)聲方法及模擬發(fā)聲系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711079101.2
• 申請日: 2017-11-06
• 公開（公告）號: CN108109610B
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計）人: 孟猛
• 申請（專利權(quán)）人: 芋頭科技（杭州）有限公司
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L13/033;G10L13/04;G10L25/75;G10L25/93
• 代理公司: 北京中原華和知識產(chǎn)權(quán)代理有限責(zé)任公司 11019
• 代理人: 壽寧

本發(fā)明公開了一種模擬發(fā)聲方法及模擬發(fā)聲系統(tǒng)，屬于語音合成技術(shù)領(lǐng)域；方法包括獲取一待發(fā)聲文本；將待發(fā)聲文本中的文字分別轉(zhuǎn)化成對應(yīng)的基本音子，以形成包括依序排列的多個基本音子的音子序列；于音子序列中區(qū)分出隸屬于中文音標(biāo)的基本音子以及隸屬于英文音標(biāo)的基本音子；根據(jù)對應(yīng)關(guān)系將音子序列中隸屬于中文音標(biāo)的基本音子轉(zhuǎn)換成對應(yīng)的隸屬于英文音標(biāo)的基本音子，以形成一僅包括隸屬于英文音標(biāo)的基本音子的待發(fā)聲序列；將待發(fā)聲序列送入語音合成引擎中，以合成對應(yīng)于待發(fā)聲文本的一段語音并輸出。上述技術(shù)方案的有益效果是：采用一個語音合成引擎實現(xiàn)中英文混合語音的模擬發(fā)聲，降低模擬發(fā)聲處理的復(fù)雜度，保證模擬發(fā)聲的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及語音合成技術(shù)領(lǐng)域，尤其涉及一種模擬發(fā)聲方法及模擬發(fā)聲系統(tǒng)。

背景技術(shù)

隨著計算機技術(shù)的飛速發(fā)展以及語音識別技術(shù)的日漸成熟，語音合成技術(shù)也得到了巨大的發(fā)展和進步。語音合成技術(shù)能夠廣泛應(yīng)用到人們的日常生活中，出現(xiàn)了很多例如有聲小說、有聲新聞、天氣播報以及字典朗讀等的語音合成并模擬發(fā)聲的應(yīng)用，給人們的日常生活帶來了很多便利和娛樂樂趣。

現(xiàn)有的語音合成技術(shù)在可懂度和區(qū)分度上都能夠滿足日常應(yīng)用的需求，但是目前的語音合成技術(shù)通常只針對一種語音進行，例如僅針對中文或者僅針對英文。少部分同時支持中英文雙語的語音合成引擎通常的做法是：對兩個音色相近的中文/英文說話人，或者同一個中英文發(fā)音都很流利的說話人進行語音采樣，并分別建立中文/英文語音合成模型，在語音合成的時候針對中文/英文分別套用兩套語音合成模型分別進行語音合成，最后再將中文/英文的合成結(jié)果進行組合并得到最終的語音合成結(jié)果。

但是現(xiàn)有技術(shù)中，對于面向英美用戶的英文語音合成引擎(Text To Speech，TTS)，一般很難找到音色合適又能流利說中文的英語母語的說話人，也較難找到音色與英文母語的說話人音色近似的中文說話人。因此，專用的英文語音合成引擎對于模擬中文發(fā)音的語音合成通常無能為力。

發(fā)明內(nèi)容

根據(jù)現(xiàn)有技術(shù)中存在的上述問題，現(xiàn)提供一種模擬發(fā)聲方法及模擬發(fā)聲系統(tǒng)的技術(shù)方案，旨在采用一個語音合成引擎就能較好地實現(xiàn)中英文混合語音的模擬發(fā)聲處理，降低了模擬發(fā)聲處理的復(fù)雜度，并且保證模擬發(fā)聲的準(zhǔn)確性。

上述技術(shù)方案具體包括：

一種模擬發(fā)聲方法，其中，設(shè)置一基于英文音標(biāo)的語音合成引擎，并預(yù)先建立英文音標(biāo)與中文音標(biāo)之間的對應(yīng)關(guān)系，還包括：

步驟S1，獲取一待發(fā)聲文本；

步驟S2，將所述待發(fā)聲文本中的文字分別轉(zhuǎn)化成對應(yīng)的基本音子，以形成包括依序排列的多個所述基本音子的音子序列；

步驟S3，于所述音子序列中區(qū)分出隸屬于中文音標(biāo)的所述基本音子以及隸屬于英文音標(biāo)的所述基本音子；

步驟S4，根據(jù)所述對應(yīng)關(guān)系將所述音子序列中隸屬于中文音標(biāo)的所述基本音子轉(zhuǎn)換成對應(yīng)的隸屬于英文音標(biāo)的所述基本音子，以形成一僅包括隸屬于英文音標(biāo)的所述基本音子的待發(fā)聲序列；

步驟S5，將所述待發(fā)聲序列送入所述語音合成引擎中，以合成對應(yīng)于所述待發(fā)聲文本的一段語音并輸出。

優(yōu)選的，該模擬發(fā)聲方法，其中，所述步驟S4中具體包括：

步驟S41，判斷隸屬于中文音標(biāo)的所述基本音子的類別：

若所述基本音子為隸屬于中文韻母的第一基本音子，則轉(zhuǎn)向步驟S42；

若所述基本音子為隸屬于中文聲母的第二基本音子，則轉(zhuǎn)向步驟S43；

步驟S42，采用對應(yīng)的英文音標(biāo)替代所述第一基本音子，隨后轉(zhuǎn)向步驟S44；

步驟S43，判斷所述第二基本音子是否符合預(yù)設(shè)的匹配策略：