[發明專利]一種基于互聯網的語音實時合成系統

在審

• 申請號: 202010547215.0
• 申請日: 2020-06-16
• 公開（公告）號: CN111754977A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 蒲瑤;何國濤;李全忠
• 申請（專利權）人: 普強信息技術（北京）有限公司
• 主分類號: G10L13/04
• 分類號: G10L13/04;G10L13/08;G10L13/10;G10L15/26;G06F40/30;G10L15/34;G10L15/30
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發明公開了一種基于互聯網的語音實時合成系統；包括控制模塊，所述控制模塊上電性連接有調壓模塊和市電網，所述控制模塊上電性連接有分析模塊和咪頭，所述控制模塊上電性連接有語音模塊和蜂鳴器，所述控制模塊上電性連接有傳輸模塊和云互聯網，所述控制模塊上電性連接存儲模塊和顯示模塊；本發明通過分析模塊實現對輸入的語音進行分析，將語句中的特征提取出來，將語句的聲紋提取出來，辨別聲音的語種，設有語音模塊對輸出的語音進行規劃和填充，并且對語調進行調節，設有傳輸模塊對數據流進行過濾處理，且數據流進行放大，防止在傳輸的時候發生丟失或者失真，并且將語音發送到云互聯網上，實現實時傳輸。

技術領域

本發明屬于語音合成技術領域，具體涉及一種基于互聯網的語音實時合成系統。

背景技術

語音合成是通過機械的、電子的方法產生人造語音的技術。TTS技術隸屬于語音合成，它是將計算機自己產生的、或外部輸入的文字信息轉變為可以聽得懂的、流利的漢語口語輸出的技術，然而市面上各種的語音合成系統仍存在各種各樣的問題。

如授權公告號為CN111128126A所公開的多語種智能語音對話的方法及系統，其雖然實現了語種識別根據獲取聲音快速識別所屬語種，判斷是否需要切換通話語種；語音識別支持多種語種的語音識別，不同的語種有不同的處理方式；語義分析使用BERT與詞庫模型結合的方式，每個模型均基于不同語種及不同的應用場景分別訓練；話術生成設置多語種話術組，其中每個語種需單獨設置單套話術；文字轉語音支持多種語種的文字轉語音，包括人工錄音模型和語音合成模型，從而實現在通話中根據客戶交互中使用語言所屬語種實時切換到對方語種與之交互，但是并未解決現有的語音合成系統對于語言進行分析，提取語義和聲紋，并且在輸出的時候不能夠對語義和聲調進行轉化調節，并且在傳輸的時候不能夠對數據流進行放大和過濾等的問題，為此我們提出一種基于互聯網的語音實時合成系統。

發明內容

本發明的目的在于提供一種基于互聯網的語音實時合成系統，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種基于互聯網的語音實時合成系統，包括控制模塊，所述控制模塊上電性連接有調壓模塊和市電網，所述控制模塊上電性連接有分析模塊和咪頭，所述控制模塊上電性連接有語音模塊和蜂鳴器，所述控制模塊上電性連接有傳輸模塊和云互聯網，所述控制模塊上電性連接存儲模塊和顯示模塊；

所述分析模塊內包括有語句特征提取、語句語義檢測、語句斷句、聲紋檢測模塊、和語句轉化文字，所述語句特征提取用于將輸入的語音中的特征進行提取，所述語句語義檢測通過對語句特征提取的語句中的語義進行翻譯，所述聲紋檢測模塊用于對聲音的語種進行檢測，且使得輸出的語音以相同的語種輸出，所述語句轉化文字用于將語音轉化成文字進行傳輸；

所述語音模塊內包括有文本規劃模塊、文字斷句填充、語意語法對比、文字語音轉化和語句語調調節，所述文本規劃模塊用于對回答的語句文本進行規劃長短，所述文字斷句填充用于提取回答話語中的主謂賓進行填充，然后在進行修飾詞的填充，所述語意語法對比用于對問答話語中的語意進行對比并且做出相應的回答，所述文字語音轉化用于將文字轉化成語音，并且通過蜂鳴器進行輸出，所述語句語調調節用于對回答的話語進行語調的修成，使得話語能夠具有高低語調，方便對話者快速的理解；

所述傳輸模塊內部包括有數模轉化模塊、語音除雜模塊、數據放大模塊和通訊模塊，所述數模轉化模塊用于將文字轉化成數據流便于傳輸，所述語音除雜模塊用于將數據流中的雜波進行過濾除去，所述數據放大模塊用于將數據流進行放大處理，使得數據流在接收的時候不會發生丟失或者失真，所述通訊模塊用于將數據流進行傳輸，使得合成語音能夠實現互聯網進行傳輸。

優選的，所述調壓模塊內包括有整流模塊、降壓模塊、穩壓模塊和濾波模塊，所述整流模塊采用的是同步整流器將交流電壓轉化成直流電壓，所述降壓模塊用于將電壓降至3-5V之間用于控制模塊使用，所述穩壓模塊和濾波模塊用于將電壓穩定的輸出。