[發(fā)明專利]語音合成方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810517280.1
• 申請(qǐng)日: 2018-05-25
• 公開（公告）號(hào): CN108766413B
• 公開（公告）日: 2020-09-25
• 發(fā)明（設(shè)計(jì)）人: 孫見青
• 申請(qǐng)（專利權(quán)）人: 北京云知聲信息技術(shù)有限公司
• 主分類號(hào): G10L13/02
• 分類號(hào): G10L13/02;G10L13/08
• 代理公司: 北京冠和權(quán)律師事務(wù)所 11399
• 代理人: 朱健;張國香

1.一種語音合成方法，其特征在于，所述語音合成方法包括：

根據(jù)特定文本，獲取發(fā)音人對(duì)應(yīng)錄制的錄制語音；

從所述錄制語音中提取出基頻信息f0₁，并對(duì)所述錄制語音進(jìn)行分析處理，獲取所述錄制語音對(duì)應(yīng)的音素時(shí)長信息；

根據(jù)所述特定文本以及得到的所述音素時(shí)長信息，利用預(yù)設(shè)參數(shù)合成模型，生成基頻信息f0₀和頻譜信息cep0；

利用所述錄制語音的基頻信息f0₁和所述預(yù)設(shè)參數(shù)合成模型生成的基頻信息f0₀，對(duì)所述錄制語音的基頻信息f0₁進(jìn)行調(diào)域調(diào)整，得到最終基頻信息；

利用得到的最終基頻信息和所述頻譜信息cep0，通過聲碼器重構(gòu)得到對(duì)應(yīng)的合成語音；

所述對(duì)所述錄制語音進(jìn)行分析處理，獲取所述錄制語音對(duì)應(yīng)的音素時(shí)長信息，包括：

對(duì)所述錄制語音進(jìn)行自動(dòng)切分，得到對(duì)應(yīng)的音素邊界，根據(jù)得到的音素邊界，獲取所述錄制語音對(duì)應(yīng)的音素時(shí)長信息。

2.如權(quán)利要求1所述的語音合成方法，其特征在于，所述語音合成方法還包括：

利用語音數(shù)據(jù)庫訓(xùn)練所述預(yù)設(shè)參數(shù)合成模型，并統(tǒng)計(jì)所述語音數(shù)據(jù)庫對(duì)應(yīng)的基頻信息的均值和標(biāo)準(zhǔn)差s₀。

3.如權(quán)利要求2所述的語音合成方法，其特征在于，所述利用所述錄制語音的基頻信息f0₁和所述預(yù)設(shè)參數(shù)合成模型生成的基頻信息f0₀，對(duì)所述錄制語音的基頻信息f0₁進(jìn)行調(diào)域調(diào)整，得到最終基頻信息，包括：

根據(jù)所述錄制語音的基頻信息f0₁，統(tǒng)計(jì)所述基頻信息f0₁對(duì)應(yīng)的均值和標(biāo)準(zhǔn)差s₁，并對(duì)所述基頻信息f0₁進(jìn)行調(diào)域調(diào)整，得到調(diào)整后的基頻信息f0₂：

將調(diào)整后得到的所述基頻信息f0₂與所述基頻信息f0₀進(jìn)行加權(quán)疊加，得到最終基頻信息f0₃：

f0₃＝α*f0₂+(1-α)*f0₀；

其中，α為加權(quán)系數(shù)。

4.如權(quán)利要求1或2所述的語音合成方法，其特征在于，所述預(yù)設(shè)參數(shù)合成模型包括LSTM參數(shù)合成模型。

5.一種語音合成系統(tǒng)，其特征在于，所述語音合成系統(tǒng)包括：

語音獲取模塊，用于根據(jù)特定文本，獲取發(fā)音人對(duì)應(yīng)錄制的錄制語音；

語音合成模塊，用于：

從所述錄制語音中提取出基頻信息f0₁，并對(duì)所述錄制語音進(jìn)行分析處理，獲取所述錄制語音對(duì)應(yīng)的音素時(shí)長信息；

根據(jù)所述特定文本以及得到的所述音素時(shí)長信息，利用預(yù)設(shè)參數(shù)合成模型，生成基頻信息f0₀和頻譜信息cep0；

利用所述錄制語音的基頻信息f0₁和所述預(yù)設(shè)參數(shù)合成模型生成的基頻信息f0₀，對(duì)所述錄制語音的基頻信息f0₁進(jìn)行調(diào)域調(diào)整，得到最終基頻信息；

利用得到的最終基頻信息和所述頻譜信息cep0，通過聲碼器重構(gòu)得到對(duì)應(yīng)的合成語音。

6.如權(quán)利要求5所述的語音合成系統(tǒng)，其特征在于，所述語音合成模塊用于：

對(duì)所述錄制語音進(jìn)行自動(dòng)切分，得到對(duì)應(yīng)的音素邊界，根據(jù)得到的模型訓(xùn)練模塊，用于利用語音數(shù)據(jù)庫訓(xùn)練所述預(yù)設(shè)參數(shù)合成模型，并統(tǒng)計(jì)所述語音數(shù)據(jù)庫對(duì)應(yīng)的基頻信息的均值和標(biāo)準(zhǔn)差s₀。