[發(fā)明專利]拼接語音音頻的方法、裝置以及存儲介質

在審

• 申請?zhí)枺?/td>: 201910913308.8
• 申請日: 2019-09-25
• 公開（公告）號: CN112562637A
• 公開（公告）日: 2021-03-26
• 發(fā)明（設計）人: 黃磊;楊春勇;權圣
• 申請（專利權）人: 北京中關村科金技術有限公司
• 主分類號: G10L13/033
• 分類號: G10L13/033
• 代理公司: 北京萬思博知識產(chǎn)權代理有限公司 11694
• 代理人: 劉冀

1.一種拼接語音音頻的方法，其特征在于，包括：

獲取用于拼接的第一語音音頻和第二語音音頻；

生成過渡音頻，所述過渡音頻用于銜接所述第一語音音頻和所述第二語音音頻；以及

將所述過渡音頻插入到所述第一語音音頻和所述第二語音音頻之間，并且將所述第一語音音頻、所述過渡音頻以及所述第二語音音頻進行拼接，生成拼接語音音頻。

2.根據(jù)權利要求1所述的方法，其特征在于，生成過渡音頻的操作，包括：

獲取與所述第一語音音頻對應的第一文本以及與所述第二語音音頻對應的第二文本；以及

利用預先訓練的將文本轉換為語音的轉換模型，根據(jù)所述第一文本和所述第二文本，生成所述過渡音頻。

3.根據(jù)權利要求2所述的方法，其特征在于，利用預先訓練的將文本轉換為語音的轉換模型，根據(jù)所述第一文本和所述第二文本，生成所述過渡音頻的操作，包括：

確定所述第一文本的尾字以及所述第二文本的首字；以及

利用所述轉換模型，根據(jù)所述尾字和所述首字，生成所述過渡音頻。

4.根據(jù)權利要求3所述的方法，其特征在于，利用所述轉換模型，根據(jù)所述尾字和所述首字，生成所述過渡音頻的操作，包括：

利用預先訓練的Tacotron模型，根據(jù)所述尾字和所述首字，生成所述過渡音頻。

5.根據(jù)權利要求4所述的方法，其特征在于，還包括：

根據(jù)預先設置的語音音頻樣本，確定所述尾字和所述首字的發(fā)音的基頻變化率；以及

根據(jù)所述基頻變化率對所述過渡音頻進行修正。

6.根據(jù)權利要求5所述的方法，其特征在于，確定所述尾字和所述首字的發(fā)音的基頻變化率的操作，包括：根據(jù)所述尾字的韻母以及所述首字的聲母，確定所述基頻變化率。

7.一種存儲介質，其特征在于，所述存儲介質包括存儲的程序，其中，在所述程序運行時由處理器執(zhí)行權利要求1至6中任意一項所述的方法。

8.一種拼接語音音頻的裝置，其特征在于，包括：

獲取模塊，用于獲取用于拼接的第一語音音頻和第二語音音頻；

生成模塊，用于生成過渡音頻，所述過渡音頻用于銜接所述第一語音音頻和所述第二語音音頻；以及

拼接模塊，用于將所述過渡音頻插入到所述第一語音音頻和所述第二語音音頻之間，并且將所述第一語音音頻、所述過渡音頻以及所述第二語音音頻進行拼接，生成拼接語音音頻。

9.根據(jù)權利要求8所述的裝置，其特征在于，所述生成模塊，包括：

獲取子模塊，用于獲取與所述第一語音音頻對應的第一文本以及與所述第二語音音頻對應的第二文本；以及

生成子模塊，用于利用預先訓練的將文本轉換為語音的轉換模型，根據(jù)所述第一文本和所述第二文本，生成所述過渡音頻。

10.一種拼接語音音頻的裝置，其特征在于，包括：

處理器；以及

存儲器，與所述處理器連接，用于為所述處理器提供處理以下處理步驟的指令：

獲取用于拼接的第一語音音頻和第二語音音頻；

生成過渡音頻，所述過渡音頻用于銜接所述第一語音音頻和所述第二語音音頻；以及

將所述過渡音頻插入到所述第一語音音頻和所述第二語音音頻之間，并且將所述第一語音音頻、所述過渡音頻以及所述第二語音音頻進行拼接，生成拼接語音音頻。