[發明專利]一種語音合成方法

有效

• 申請號: 201711080122.6
• 申請日: 2017-11-06
• 公開（公告）號: CN108091321B
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 孟猛
• 申請（專利權）人: 芋頭科技（杭州）有限公司
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L13/06
• 代理公司: 北京中原華和知識產權代理有限責任公司 11019
• 代理人: 壽寧

本發明公開了一種語音合成方法，屬于語音處理技術領域；上述方法中，預先設定多類人物角色以及預設合成器參數集合，還包括：獲取語句文本；從語句文本中分析得到每段引用部分，以及對應每段引用部分的說話角色；針對語句文本全局規整說話角色，并且將說話角色與預設的人物角色進行匹配，根據匹配結果分別確定說話角色所對應的人物角色以及合成器參數集合；根據每個說話角色的合成器參數集合對對應的引用部分進行語音合成，從而形成對應于語句文本的合成語音并輸出。上述技術方案的有益效果是：區分不同的人物角色性格并反應到合成語音中，提升各人物角色的辨識度，使得合成語音更接近人們對文本進行描述的效果，從而提升用戶體驗。

技術領域

本發明涉及語音處理技術領域，尤其涉及一種語音合成方法。

背景技術

隨著語音技術的不斷發展，越來越多的軟件應用開始涵蓋語音識別和處理的內容，例如某軟件應用對用戶輸入的文本進行識別，并且根據識別結果合成并輸出相應的語音。

通常在現實生活中，尤其在描述故事類型的語言中，同一個發音人經常會采用改變語氣語調的方式來區分不同的人物和場景，例如媽媽給孩子講述有關狼與小羊的故事中，在講述狼說話時就會采用比較低沉沙啞的嗓音來詮釋，說到小羊時又會用比較可愛尖細的嗓音表達，這樣的表達方式既自然又很具有特色，孩子一下子就能分辨不同性格不同設定的說話角色。又例如在一些評書作品中，對于不同人物的塑造可能會采用粗細不同的聲音來實現，不需要旁白聽眾也能很容易區分不同人物之間的對話。

但是在傳統的語音軟件應用中，根據大段文本語句合成并輸出的語音通常是采用一個比較平滑的語調統一進行播放，給用戶的體驗就是在聽一個機器以完全沒有情緒波動的語調播放語音，并且上述播放方式容易混淆文本中不同性格不同設定的說話角色，用戶需要仔細傾聽合成語音并從播放的內容中才能對不同的說話角色進行區分，這使得輸出的合成語音與現實生活中人們對文本語句進行描述的效果完全不符，因此會降低用戶體驗。

發明內容

根據現有技術中存在的上述問題，現提供一種語音合成方法的技術方案，旨在區分不同的人物角色性格并反應到合成語音中，提升合成語音中各人物角色的辨識度，使得合成語音更接近人們對文本進行描述的效果，從而提升用戶體驗。

上述技術方案具體包括：

一種語音合成方法，其特征在于，預先設定多類人物角色以及分別針對每類人物角色預設合成器參數集合，還包括：

步驟S1，獲取待合成的語句文本；

步驟S2，從語句文本中分析得到每段引用部分，以及分別對應每段引用部分的說話角色；

步驟S3，針對語句文本全局規整說話角色，以識別出語句文本中多處相同的說話角色，并且將多處相同的說話角色與預設的人物角色進行匹配，根據匹配結果分別確定說話角色所對應的人物角色以及合成器參數集合；

步驟S4，根據每個說話角色的合成器參數集合對對應的引用部分進行語音合成，從而形成對應于語句文本的合成語音并輸出；

引用部分為處于兩個引號之間的語句；

語句文本全局規整說話角色，以統一對應一類人物角色及其合成器參數集合；

將說話角色與預設的人物角色進行匹配，以找到說話角色所對應的一類人物角色及其合成器參數集合。

優選的，該語音合成方法，其特征在于，步驟S2具體包括：

步驟S21，將語句文本分解為多個獨立的句子；

步驟S22，分別從每個句子中分析得到引用部分以及分別對應每段引用部分的說話角色。

優選的，該語音合成方法，其特征在于，步驟S22中，根據標點符號的約束，采用文本分析手段分別從每個句子中分析得到引用部分，以及分別根據引用部分分析得到對應的說話角色。