[發明專利]語音合成方法、裝置、存儲介質和電子設備

有效

• 申請號: 202010340818.3
• 申請日: 2020-04-26
• 公開（公告）號: CN111653266B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 楊惠;梁光;舒景辰;譚星;張岱
• 申請（專利權）人: 北京大米科技有限公司
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L13/047
• 代理公司: 北京恒博知識產權代理有限公司 11528
• 代理人: 李寧寧

1.一種語音合成方法，其特征在于，所述方法包括：

確定輸入文本的音素序列，所述音素序列包括多個子音素序列；

所述確定輸入文本的音素序列，包括：

對所述輸入文本進行分詞處理，以獲取多個分詞；

確定所述多個分詞對應的多個子音素序列；

組合所述多個子音素序列，生成所述輸入文本的音素序列；

確定所述多個子音素序列中每一個子音素序列的時長信息；

根據所述子音素序列的時長信息，確定所述子音素序列中每一個音素的時長信息；

根據所述音素序列和所述每一個音素的時長信息，合成所述輸入文本對應的語音；

所述方法還包括：

確定所述多個子音素序列中目標子音素序列在多個樣本語音中的多個時長信息；

根據所述多個時長信息，確定所述目標子音素序列的預測時長信息；

根據多個所述目標子音素序列的預測時長信息，生成子音素序列的時長統計結果；

所述確定所述多個子音素序列中每一個子音素序列的時長信息，包括：

根據所述子音素序列時長的統計結果，確定所述多個子音素序列中每一個子音素序列的時長信息。

2.根據權利要求1所述的方法，其特征在于，所述根據所述多個時長信息，確定所述目標子音素序列的預測時長信息，包括：

計算所述多個時長信息中每個時長信息的概率；

選取具有最大概率的時長信息作為所述目標子音素序列的所述預測時長信息。

3.根據權利要求1所述的方法，其特征在于，所述根據所述子音素序列的時長信息，確定所述子音素序列中每一個音素的時長信息，包括：

確定所述子音素序列中每一個音素的時長占比；

將所述子音素序列的時長信息和所述每一個音素的時長占比的乘積，作為所述每一個音素的時長信息。

4.根據權利要求3所述的方法，其特征在于，所述確定所述子音素序列中每一個音素的時長占比，包括：

確定所述子音素序列中的音素個數；

將所述音素個數的倒數作為所述每一個音素的時長占比。

5.根據權利要求3所述的方法，其特征在于，所述確定所述子音素序列中每一個音素的時長占比，包括：

確定所述子音素序列中的韻母音素個數和聲母音素個數；

基于所述韻母音素個數、所述聲母音素個數和預設的分配比例，確定所述每一個音素的時長占比。

6.一種語音合成裝置，其特征在于，所述裝置包括：

序列確定單元，用于確定輸入文本的音素序列，所述音素序列包括多個子音素序列；

所述序列確定單元具體用于：

對所述輸入文本進行分詞處理，以獲取多個分詞；

確定所述多個分詞對應的多個子音素序列；

組合所述多個子音素序列，生成所述輸入文本的音素序列；

第一時長確定單元，用于確定所述多個子音素序列中每一個子音素序列的時長信息；

第二時長確定單元，用于根據所述子音素序列的時長信息，確定所述子音素序列中每一個音素的時長信息；

語音合成單元，用于根據所述音素序列和所述每一個音素的時長信息，合成所述輸入文本對應的語音；

所述裝置還包括：

結果生成單元，用于確定所述多個子音素序列中目標子音素序列在多個樣本語音中的多個時長信息；

根據所述多個時長信息，確定所述目標子音素序列的預測時長信息；

根據多個所述目標子音素序列的預測時長信息，生成子音素序列的時長統計結果；

所述第一時長確定單元具體用于：

根據所述子音素序列時長的統計結果，確定所述多個子音素序列中每一個子音素序列的時長信息。

7.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現所述權利要求1-5中任一項所述方法的步驟。

8.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現所述權利要求1-5中任一項所述方法的步驟。