[發明專利]一種基于文本標記生成語音的系統和方法

在審

• 申請號: 201911379638.X
• 申請日: 2019-12-27
• 公開（公告）號: CN111142667A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 肖雄;任一
• 申請（專利權）人: 蘇州思必馳信息科技有限公司
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06F3/16;G06F40/166;G10L13/02
• 代理公司: 北京商專永信知識產權代理事務所(普通合伙) 11400
• 代理人: 黃謙;車江華

本發明公開了一種基于文本標記生成語音的系統和方法，涉及語音輸出技術領域。該裝置的一具體實施方式包括：存儲模塊，用于存儲標記指令和所述標記指令的指令屬性信息；其中，所述標記指令用于指示對文本進行編輯；顯示模塊，用于向用戶展示所述存儲模塊存儲的標記指令和所述標記指令的指令屬性信息，以及用于所述用戶輸入對待標記文本的目標指令；其中，所述標記指令至少包括所述目標指令；合成模塊，用于根據所述用戶輸入的對待標記文本的目標指令，生成待輸出語音數據。該裝置能夠將文本標記的過程進行可視化，高效的引導使用者進行標記，對于初次使用的使用者和資深使用者能夠快速熟練使用，提高了標記文本轉為語音的效率以及降低了成本。

技術領域

本發明涉及語音輸出技術領域，尤其涉及一種基于文本標記生成語音的系統和方法。

背景技術

隨著AI技術的發展以及機器對話的廣泛應用，市面上對把文本形式的語音轉義成語音播報的需求越來越多。尤其在對可以實現即興把文本文字個性化的按照自我意愿的進行轉義成語音的需求受到廣大的歡迎。

目前，將文本轉義成語音的主要形態是基于XML(可擴展標記語言，ExtensibleMarkup Language)的標記語言，通過手動添加微調音節、發音、語速、音量以及文本轉語音輸出的其他屬性來實現。XML是一種用于標記電子文件使其具有結構性的標記語言，可以用來標記數據、定義數據類型，是一種允許用戶對自己的標記語言進行定義的源語言。雖然現有技術基于XML文檔模式進行SSML(語音合成標記語言，Speech Synthesis MarkupLanguage)標記語言，是可以對文本進行特殊的標記，但是需要記憶大量的標記指令和屬性，對于使用者來說會對SSML標記語言的靈活運用造成巨大的阻礙。因此，存在文本轉語音的成本增高和效率低的問題。

發明內容

有鑒于此，本發明實施例提供一種基于文本標記生成語音的系統和方法，能夠將文本標記的過程進行可視化，提高了標記文本轉為語音的效率以及降低了成本。

為實現上述目的，根據本發明實施例的一個方面，提供了一種基于文本標記生成語音的系統。

本發明實施例的基于文本標記生成語音的系統包括：存儲模塊，用于存儲標記指令和所述標記指令的指令屬性信息；其中，所述標記指令用于指示對文本進行編輯；顯示模塊，用于向用戶展示所述存儲模塊存儲的標記指令和所述標記指令的指令屬性信息，以及用于所述用戶輸入對待標記文本的目標指令；其中，所述標記指令至少包括所述目標指令；合成模塊，用于根據所述用戶輸入的對待標記文本的目標指令，生成待輸出語音數據。

可選地，還包括接收模塊，用于接收所述待標記文本，以及將所述待標記文本的格式轉換為純文本格式。

可選地，所述純文本格式為富文本格式。

可選地，還包括檢測模塊，用于根據所述用戶輸入的對待標記文本的目標指令，確定提示信息；

所述顯示模塊還用于向所述用戶展示所述提示信息。

可選地，所述存儲模塊還用于，存儲語音屬性信息，所述語音屬性信息至少包括以下一種：音色信息、音量信息、語速信息；

所述顯示模塊還用于向用戶展示所述存儲模塊存儲的語音屬性信息，以及用于所述用戶輸入目標屬性信息。

可選地，還包括試聽輸出模塊，用于根根據所述用戶輸入的對待標記文本的目標指令，確定試聽部分；以及用于根據所述用戶輸入的目標屬性信息，將所述試聽部分進行語音輸出。

可選地，所述標記指令至少包括以下一種：停頓標記指令、連讀標記指令、修改發音標記指令、數字串讀標記指令、字母串讀標記指令；和/或

所述顯示模塊用于向用戶展示指令撤銷項，所述指令撤銷項用于撤銷所述用戶輸入的對待標記文本的目標指令。