[發明專利]語音合成方法、裝置、計算機可讀介質及電子設備

在審

• 申請號: 202010082940.5
• 申請日: 2020-02-07
• 公開（公告）號: CN111292719A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 殷翔
• 申請（專利權）人: 北京字節跳動網絡技術有限公司
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L13/10;G10L25/18;G10L25/24;G10L25/30
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 賈會玲

本公開涉及一種語音合成方法、裝置、計算機可讀介質及電子設備。獲取待合成文本的語音特征信息，所述語音特征信息包括音素、聲調、分詞以及韻律邊界；根據所述語音特征信息進行語音合成，獲得與所述待合成文本對應的第一音頻信息。這樣，可以使得語音合成得到的第一音頻信息能夠根據待合成文本的文本內容以及分詞進行停頓，提高了第一音頻數據的準確性和可理解性，便于用戶快速理解第一音頻數據對應的文本內容。另外，由于語音合成時能夠在自然的韻律邊界處進行停頓，因此可以提升第一音頻信息的自然度和流暢性。

技術領域

本公開涉及語音合成技術領域，具體地，涉及一種語音合成方法、裝置、計算機可讀介質及電子設備。

背景技術

現今，閱讀器中通過語音合成(又稱文語轉換(Text to Speech,TTS)，它能將文字信息實時轉化為語音朗讀出來，相當于給機器裝上了人工嘴巴)技術對文本進行朗讀的功能越來越多。現階段，文本朗讀系統在對文本進行朗讀時，每個字通常采用相同的朗讀時長，并在文本中的標點符號處進行稍長時間停頓。這樣，該文本朗讀系統只能夠將文本內容依次朗讀出來，并不能夠根據文本內容進行停頓。這樣，用戶根據朗讀出的語音，難以理解相應的文本內容。

發明內容

提供該部分內容以便以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。該部分內容并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

第一方面，本公開提供一種語音合成方法，包括：

獲取待合成文本的語音特征信息，所述語音特征信息包括音素、聲調、分詞以及韻律邊界；

根據所述語音特征信息進行語音合成，獲得與所述待合成文本對應的第一音頻信息。

第二方面，本公開提供一種語音合成裝置，包括：

獲取模塊，用于獲取待合成文本的語音特征信息，所述語音特征信息包括音素、聲調、分詞以及韻律邊界；

語音合成模塊，根據所述獲取模塊獲得的所述語音特征信息進行語音合成，獲得與所述待合成文本對應的第一音頻信息。

第三方面，提供一種計算機可讀介質，其上存儲有計算機程序，該程序被處理裝置執行時實現本公開第一方面提供的所述方法的步驟。

第四方面，提供一種電子設備，包括：

存儲裝置，其上存儲有一個或多個計算機程序；

一個或多個處理裝置，用于執行所述存儲裝置中的所述一個或多個計算機程序，以實現本公開第一方面提供的所述方法的步驟。

在上述技術方案中，通過提取待合成文本的音素、聲調、分詞和韻律邊界這些語音特征信息，并基于語音特征信息對待合成文本進行語音合成，從而可以更加關注待合成文本的文本內容。這樣，可以使得語音合成得到的第一音頻信息能夠根據待合成文本的文本內容以及分詞進行停頓，提高了第一音頻數據的準確性和可理解性，便于用戶快速理解第一音頻數據對應的文本內容。另外，由于語音合成時能夠在自然的韻律邊界處進行停頓，因此可以提升第一音頻信息的自然度和流暢性。

本公開的其他特征和優點將在隨后的具體實施方式部分予以詳細說明。

附圖說明

結合附圖并參考以下具體實施方式，本公開各實施例的上述和其他特征、優點及方面將變得更加明顯。貫穿附圖中，相同或相似的附圖標記表示相同或相似的元素。應當理解附圖是示意性的，原件和元素不一定按照比例繪制。

在附圖中：

圖1是根據一示例性實施例示出的一種語音合成方法的流程圖；

圖2是根據一示例性實施例示出的一種語音合成方法的框架示意圖；