[發(fā)明專利]一種語音特效合成方法、裝置、電子設備及存儲介質

有效

• 申請?zhí)枺?/td>: 201811413566.1
• 申請日: 2018-11-23
• 公開（公告）號: CN109285536B
• 公開（公告）日: 2022-05-13
• 發(fā)明（設計）人: 張冉;張征
• 申請（專利權）人: 出門問問創(chuàng)新科技有限公司
• 主分類號: G10L13/033
• 分類號: G10L13/033;G10L13/04;G10L13/10
• 代理公司: 北京庚致知識產權代理事務所(特殊普通合伙) 11807
• 代理人: 李偉波

本發(fā)明實施例公開了一種語音特效合成方法、裝置、電子設備及存儲介質，所述方法包括：獲取原始語音數據對應的文本數據，并獲取與所述文本數據匹配的基礎韻律特征和基礎聲學特征；根據預先建立的至少兩個特效效果與對應的特征調整參數之間的映射關系，獲取與需求的特效效果對應的特征調整參數，所述特征調整參數包括：目標韻律特征調整參數和/或目標聲學特征調整參數，使用所述特征調整參數對所述基礎韻律特征和/或基礎聲學特征進行調整，得到目標韻律特征和/或目標聲學特征；根據所述目標韻律特征和/或目標聲學特征，生成與所述原始語音數據對應的特效合成語音。本發(fā)明實施例的技術方案能夠根據滿足特效語音的多樣性需求。

技術領域

本發(fā)明實施例涉及語音處理技術領域，特別是涉及一種語音特效合成方法、裝置、電子設備及存儲介質。

背景技術

語音合成，又稱文語轉換(Text to Speech)技術，能將任意文字信息實時轉化為流暢的語音。

現有的語音合成技術通常采用預先訓練好的韻律模型和聲學模型對原始語音數據的文本數據進行處理，得到原始語音數據對應的合成語音。發(fā)明人在具體實施過程中，發(fā)現現有技術中存在如下缺陷：采用預先訓練好的韻律模型和聲學模型對原始語音數據的文本數據進行處理，只能得到一種固定類型的合成語音，無法滿足特效語音的多樣性需求。

發(fā)明內容

有鑒于此，本發(fā)明實施例提供了一種語音特效合成方法、裝置、電子設備及存儲介質，主要目的在于解決語音合成系統(tǒng)存在的合成語音較為單一，無法滿足特效語音的多樣性需求等問題。

為了解決上述問題，本發(fā)明實施例主要提供如下技術方案：

第一方面，本發(fā)明實施例提供了一種語音特效合成方法，該方法包括：

獲取原始語音數據對應的文本數據，并獲取與所述文本數據匹配的基礎韻律特征和基礎聲學特征；

根據預先建立的至少兩個特效效果與對應的特征調整參數之間的映射關系，獲取與需求的特效效果對應的特征調整參數，所述特征調整參數包括：目標韻律特征調整參數和/或目標聲學特征調整參數；

使用所述特征調整參數對所述基礎韻律特征和/或基礎聲學特征進行調整，得到目標韻律特征和/或目標聲學特征；

根據所述目標韻律特征和/或目標聲學特征，生成與所述原始語音數據對應的特效合成語音。

第二方面，本發(fā)明實施例還提供一種語音特效合成裝置，該裝置包括：

數據獲取模塊，用于獲取原始語音數據對應的文本數據，并獲取與所述文本數據匹配的基礎韻律特征和基礎聲學特征；

參數獲取模塊，用于根據預先建立的至少兩個特效效果與對應的特征調整參數之間的映射關系，獲取與需求的特效效果對應的特征調整參數，所述特征調整參數包括：目標韻律特征調整參數和/或目標聲學特征調整參數；

參數調整模塊，用于使用所述特征調整參數對所述基礎韻律特征和/或基礎聲學特征進行調整，得到目標韻律特征和/或目標聲學特征；

語音合成模塊，用于根據所述目標韻律特征和/或目標聲學特征，生成與所述原始語音數據對應的特效合成語音。

第三方面，本發(fā)明實施例還提供一種電子設備，包括：

至少一個處理器；

以及與所述處理器連接的至少一個存儲器、總線；其中，

所述處理器、存儲器通過所述總線完成相互間的通信；

所述處理器用于調用所述存儲器中的程序指令，以執(zhí)行本發(fā)明任意實施例所提供的語音特效合成方法。