[發(fā)明專利]語音合成方法、裝置、存儲介質(zhì)和電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202010340818.3
• 申請日: 2020-04-26
• 公開（公告）號: CN111653266B
• 公開（公告）日: 2023-09-05
• 發(fā)明（設(shè)計(jì)）人: 楊惠;梁光;舒景辰;譚星;張岱
• 申請（專利權(quán)）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(chǎn)權(quán)代理有限公司 11528
• 代理人: 李寧寧

本申請?zhí)峁┑恼Z音合成方法、裝置、存儲介質(zhì)和電子設(shè)備，確定輸入文本的音素序列，所述音素序列包括多個(gè)子音素序列；確定所述多個(gè)子音素序列中每一個(gè)子音素序列的時(shí)長信息；根據(jù)所述子音素序列的時(shí)長信息，確定所述子音素序列中每一個(gè)音素的時(shí)長信息；根據(jù)所述音素序列和所述每一個(gè)音素的時(shí)長信息，合成所述輸入文本對應(yīng)的語音。在上述語音合成方案中，可以根據(jù)輸入文本合成輸入文本對應(yīng)的語音，而無需人工配音，降低了配音所需的人工成本高，并提升了配音的效率。

技術(shù)領(lǐng)域

本申請涉及語音處理技術(shù)領(lǐng)域，具體而言，涉及一種語音合成方法、裝置、存儲介質(zhì)和電子設(shè)備。

背景技術(shù)

在動畫制作、視頻配音、網(wǎng)上答題等多種場合下，都需要提供匹配的聲音進(jìn)行講解。通常情況下需要在專業(yè)的錄音棚中，由人工錄制對應(yīng)的語音，以便在播放對應(yīng)畫面時(shí)，可播放對應(yīng)的聲音。但這種人工配音的方式耗費(fèi)的人工成本較高，配音的效率也較低。

發(fā)明內(nèi)容

為了解決上述問題，本申請實(shí)施例提供了一種語音合成方法、裝置和電子設(shè)備。

第一方面，本申請實(shí)施例提供了一種語音合成方法，包括以下步驟：

確定輸入文本的音素序列，所述音素序列包括多個(gè)子音素序列；

確定所述多個(gè)子音素序列中每一個(gè)子音素序列的時(shí)長信息；

根據(jù)所述子音素序列的時(shí)長信息，確定所述子音素序列中每一個(gè)音素的時(shí)長信息；

根據(jù)所述音素序列和所述每一個(gè)音素的時(shí)長信息，合成所述輸入文本對應(yīng)的語音。

可選地，所述確定輸入文本的音素序列，包括：

對所述輸入文本進(jìn)行分詞處理，以獲取多個(gè)分詞；

確定所述多個(gè)分詞對應(yīng)的多個(gè)子音素序列；

組合所述多個(gè)子音素序列，生成所述音素序列。

可選地，所述方法還包括：

確定目標(biāo)子音素序列在多個(gè)樣本語音中的多個(gè)時(shí)長信息；

根據(jù)所述多個(gè)時(shí)長信息，確定所述目標(biāo)子音素序列的預(yù)測時(shí)長信息；

根據(jù)多個(gè)所述目標(biāo)子音素序列的預(yù)測時(shí)長信息，生成子音素序列的時(shí)長統(tǒng)計(jì)結(jié)果；

所述確定所述多個(gè)子音素序列中每一個(gè)子音素序列的時(shí)長信息，包括：

根據(jù)子音素序列時(shí)長的統(tǒng)計(jì)結(jié)果，確定所述多個(gè)子音素序列中每一個(gè)子音素序列的時(shí)長信息。

可選地，所述根據(jù)所述多個(gè)時(shí)長信息，確定所述目標(biāo)子音素序列的預(yù)測時(shí)長信息，包括：

計(jì)算所述每個(gè)時(shí)長信息的概率；

選取具有最大概率的時(shí)長信息作為所述目標(biāo)子音素序列的所述預(yù)測時(shí)長信息。

可選地，所述根據(jù)所述子音素序列的時(shí)長信息，確定所述子音素序列中每一個(gè)音素的時(shí)長信息，包括：

確定所述子音素序列中每一個(gè)音素的時(shí)長占比；

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

可選地，所述確定所述子音素序列中每一個(gè)音素的時(shí)長占比，包括：

確定所述子音素序列中的音素個(gè)數(shù)；

將所述音素個(gè)數(shù)的倒數(shù)作為所述每一個(gè)音素的時(shí)長占比。

可選地，所述確定所述子音素序列中每一個(gè)音素的時(shí)長占比，包括：

確定所述子音素序列中的韻母音素個(gè)數(shù)和聲母音素個(gè)數(shù)；