[發(fā)明專利]語音合成方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201811318970.0
• 申請(qǐng)日: 2018-11-07
• 公開（公告）號(hào): CN109584859A
• 公開（公告）日: 2019-04-05
• 發(fā)明（設(shè)計(jì)）人: 周廣益
• 申請(qǐng)（專利權(quán)）人: 上海指旺信息科技有限公司
• 主分類號(hào): G10L13/027
• 分類號(hào): G10L13/027;G10L13/08;G10L15/02;G10L15/06;G10L15/26;G06F16/63;G11B20/10
• 代理公司: 北京卓唐知識(shí)產(chǎn)權(quán)代理有限公司 11541
• 代理人: 唐海力;李志剛

本申請(qǐng)公開了一種語音合成方法及裝置，涉及音頻處理領(lǐng)域，該方法包括：獲取用于語音播放的目標(biāo)文字信息；根據(jù)所述目標(biāo)文字信息中的固定文字，得到第一音頻文件；識(shí)別并提取所述目標(biāo)文字信息中的特征文字，得到特征文字信息；對(duì)所述特征文字信息進(jìn)行音頻錄制，得到第二音頻文件；將所述第一音頻文件和所述第二音頻文件進(jìn)行拼接，得到目標(biāo)音頻文件。本申請(qǐng)采用識(shí)別并提取目標(biāo)文字信息中的特征文字的方式，通過對(duì)特征文字信息進(jìn)行針對(duì)性的音頻錄制，達(dá)到了最終的目標(biāo)音頻文件都是由人來錄制的目的，從而實(shí)現(xiàn)了高度擬人化的技術(shù)效果，進(jìn)而解決了相關(guān)技術(shù)中機(jī)器人合成的語音文件在播放時(shí)生硬僵化，缺乏擬人感的問題。

技術(shù)領(lǐng)域

本申請(qǐng)涉及音頻處理領(lǐng)域，具體而言，涉及一種語音合成方法及裝置。

背景技術(shù)

相關(guān)技術(shù)中機(jī)器人根據(jù)目標(biāo)文本信息生成對(duì)應(yīng)的語音文件并播放時(shí)，由于目標(biāo)文本信息的多變性，機(jī)器人往往采用固定的電子聲音播放，用戶聽到時(shí)能明顯感覺到是機(jī)器人在講話，而不是真實(shí)的人類在講話，溝通過程生硬僵化，缺乏擬人感。

針對(duì)相關(guān)技術(shù)中機(jī)器人合成的語音文件在播放時(shí)生硬僵化，缺乏擬人感的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本申請(qǐng)的主要目的在于提供一種語音合成方法及裝置，以解決相關(guān)技術(shù)中機(jī)器人合成的語音文件在播放時(shí)生硬僵化，缺乏擬人感的問題。

為了實(shí)現(xiàn)上述目的，根據(jù)本申請(qǐng)的第一方面，本申請(qǐng)實(shí)施例提供了一種語音合成方法，所述方法包括：獲取用于語音播放的目標(biāo)文字信息；根據(jù)所述目標(biāo)文字信息中的固定文字，得到第一音頻文件；識(shí)別并提取所述目標(biāo)文字信息中的特征文字，得到特征文字信息；對(duì)所述特征文字信息進(jìn)行音頻錄制，得到第二音頻文件；將所述第一音頻文件和所述第二音頻文件進(jìn)行拼接，得到目標(biāo)音頻文件。

結(jié)合第一方面，本申請(qǐng)實(shí)施例提供了第一方面的第一種可能的實(shí)施方式，其中，所述特征文字信息包括：姓名信息、金額信息和日期信息中的至少一種。

結(jié)合第一方面，本申請(qǐng)實(shí)施例提供了第一方面的第二種可能的實(shí)施方式，其中，所述對(duì)特征文字信息進(jìn)行音頻錄制，得到第二音頻文件包括：提取所述第一音頻文件中的音頻特征信息；通過訓(xùn)練語料對(duì)預(yù)設(shè)機(jī)器學(xué)習(xí)模型進(jìn)行特征訓(xùn)練，得到所述第二音頻文件，其中，所述訓(xùn)練語料包括所述音頻特征信息和所述特征文字信息。

結(jié)合第一方面，本申請(qǐng)實(shí)施例提供了第一方面的第三種可能的實(shí)施方式，其中，所述對(duì)特征文字信息進(jìn)行音頻錄制，得到第二音頻文件包括：對(duì)所述特征文字信息中的每個(gè)特征文字進(jìn)行拼音拆解，得到每個(gè)所述特征文字的拼音字母和拼音聲調(diào)；根據(jù)所述特征文字的拼音字母和拼音聲調(diào)，生成對(duì)應(yīng)的所述第二音頻文件。

結(jié)合第一方面，本申請(qǐng)實(shí)施例提供了第一方面的第四種可能的實(shí)施方式，其中，所述根據(jù)目標(biāo)文字信息中的固定文字，得到第一音頻文件包括：識(shí)別并提取所述目標(biāo)文字信息中的固定文字，并將所述固定文字劃分為多個(gè)固定文字編組；判斷預(yù)設(shè)音頻數(shù)據(jù)庫中是否包含每個(gè)所述固定文字編組所對(duì)應(yīng)的第三音頻文件；如果判定所述預(yù)設(shè)音頻數(shù)據(jù)庫中包含有每個(gè)所述固定文字編組所對(duì)應(yīng)的第三音頻文件，則提取并合并所述第三音頻文件，得到所述第一音頻文件。

結(jié)合第一方面，本申請(qǐng)實(shí)施例提供了第一方面的第五種可能的實(shí)施方式，其中，所述將第一音頻文件和所述第二音頻文件進(jìn)行拼接，得到目標(biāo)音頻文件包括：根據(jù)所述目標(biāo)文字信息和預(yù)設(shè)劃分規(guī)則，得到所述第一音頻文件和所述第二音頻文件的拼接位置；根據(jù)所述拼接位置拼接所述第一音頻文件和所述第二音頻文件，得到目標(biāo)音頻文件。