[發(fā)明專利]語(yǔ)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(kāi)（公告）號(hào): CN108766413B
• 公開(kāi)（公告）日: 2020-09-25
• 發(fā)明（設(shè)計(jì)）人: 孫見(jiàn)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(guó)香

本發(fā)明公開(kāi)了一種語(yǔ)音合成方法及系統(tǒng)，通過(guò)根據(jù)特定文本，獲取發(fā)音人對(duì)應(yīng)錄制的錄制語(yǔ)音；從所述錄制語(yǔ)音中提取出基頻信息f0₁，并對(duì)所述錄制語(yǔ)音進(jìn)行分析處理，獲取所述錄制語(yǔ)音對(duì)應(yīng)的音素時(shí)長(zhǎng)信息；根據(jù)所述特定文本以及得到的所述音素時(shí)長(zhǎng)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(yǔ)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(yǔ)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(guò)聲碼器重構(gòu)得到對(duì)應(yīng)的合成語(yǔ)音；具有降低語(yǔ)音錄制成本的有益效果，進(jìn)一步提高了合成語(yǔ)音的自然度。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及一種語(yǔ)音合成方法及系統(tǒng)。

背景技術(shù)

現(xiàn)有的語(yǔ)音合成自然度不是很理想，為了得到較高的合成自然度，有一些場(chǎng)景使用自然語(yǔ)音與合成語(yǔ)音相結(jié)合的方法，進(jìn)行語(yǔ)音合成，對(duì)于出現(xiàn)頻次較高的文本，預(yù)先錄制好語(yǔ)音，對(duì)于其它文本，使用合成語(yǔ)音。由于出現(xiàn)頻次較高的文本會(huì)經(jīng)常發(fā)現(xiàn)變化，因此通常需要找發(fā)音人重新錄制，耗費(fèi)大量的人力物力和財(cái)力，代價(jià)比較大；且利用這種技術(shù)合成的語(yǔ)音，語(yǔ)音一致性也不理想。

發(fā)明內(nèi)容

本發(fā)明提供一種語(yǔ)音合成方法及系統(tǒng)，旨在無(wú)需找原有發(fā)音人錄制語(yǔ)音，直接使用其他發(fā)音標(biāo)準(zhǔn)的發(fā)音人錄制語(yǔ)音進(jìn)行語(yǔ)音合成即可，降低語(yǔ)音錄制成本，進(jìn)一步提高合成語(yǔ)音的自然度。

本發(fā)明提供了一種語(yǔ)音合成方法，所述語(yǔ)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(yǔ)音；

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

根據(jù)所述特定文本以及得到的所述音素時(shí)長(zhǎng)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(yǔ)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(yǔ)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(guò)聲碼器重構(gòu)得到對(duì)應(yīng)的合成語(yǔ)音。

優(yōu)選地，所述對(duì)所述錄制語(yǔ)音進(jìn)行分析處理，獲取所述錄制語(yǔ)音對(duì)應(yīng)的音素時(shí)長(zhǎng)信息，包括：

對(duì)所述錄制語(yǔ)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(yǔ)音對(duì)應(yīng)的音素時(shí)長(zhǎng)信息。

優(yōu)選地，所述語(yǔ)音合成方法還包括：

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

優(yōu)選地，所述利用所述錄制語(yǔ)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(yǔ)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(yǔ)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：