[發(fā)明專利]一種語音合成方法及裝置

在審

• 申請?zhí)枺?/td>: 202010565060.3
• 申請日: 2020-06-19
• 公開（公告）號(hào): CN112037758A
• 公開（公告）日: 2020-12-04
• 發(fā)明（設(shè)計(jì)）人: 朱海;王昆;周琳珉
• 申請（專利權(quán)）人: 四川長虹電器股份有限公司
• 主分類號(hào): G10L13/08
• 分類號(hào): G10L13/08;G10L13/02
• 代理公司: 四川省成都市天策商標(biāo)專利事務(wù)所 51213
• 代理人: 趙以鵬

1.一種語音合成方法，其特征在于，包括以下步驟：

對待合成的長文本進(jìn)行分析，選定分割等級(jí)；

對選定分割等級(jí)后的所述長文本進(jìn)行分割、處理，得到短文本集合；

指定并發(fā)的數(shù)目，并對所述短文本集合作分批處理；

加載語音合成模型，分批同時(shí)計(jì)算出所述短文本各自的語音的聲學(xué)特征，并按順序?qū)λ稣Z音的聲學(xué)特征進(jìn)行拼接；

將拼接后的語音的聲學(xué)特征輸入聲碼器模型，輸出語音合成后的音頻。

2.根據(jù)權(quán)利要求1所述的一種語音合成方法，其特征在于，所述對待合成的長文本進(jìn)行分析，選定分割等級(jí)，包括：對待合成的長文本進(jìn)行韻律分析，獲得停頓級(jí)別標(biāo)注后，選定停頓標(biāo)注的級(jí)別作為分割等級(jí)。

3.根據(jù)權(quán)利要求1所述的一種語音合成方法，其特征在于，所述對選定分割等級(jí)后的所述長文本進(jìn)行分割、處理，得到短文本集合，包括：

按照選定的分割等級(jí)，將長文本分割為由短文本組成的集合；對短文本組成的集合進(jìn)行文本處理；

所述文本處理包括將中文轉(zhuǎn)換為音素、兒化音處理，并且記錄短文本所在待合成的長文本中的順序。

4.根據(jù)權(quán)利要求1所述的一種語音合成方法，其特征在于，所述指定并發(fā)的數(shù)目，并對所述短文本集合作分批處理，包括：

根據(jù)服務(wù)器的配置情況以及所處理文本集合的大小，指定并發(fā)數(shù)，并將短文本集合分批為相應(yīng)數(shù)量的批次，并保證每個(gè)批次的短文本數(shù)量相近。

5.根據(jù)權(quán)利要求1所述的一種語音合成方法，其特征在于，所述加載語音合成模型，分批同時(shí)計(jì)算出所述短文本各自的語音的聲學(xué)特征，并按順序?qū)λ稣Z音的聲學(xué)特征進(jìn)行拼接，包括：

所述語音合成模型采用合并了時(shí)長模型和聲學(xué)模型的中段結(jié)構(gòu)Tacotron模型，并且根據(jù)不同的應(yīng)用場景，經(jīng)過語音數(shù)據(jù)進(jìn)行訓(xùn)練。

6.根據(jù)權(quán)利要求1所述的一種語音合成方法，其特征在于，所述將拼接后的語音的聲學(xué)特征輸入聲碼器模型，輸出語音合成后的音頻，其中：所述聲碼器模型為MelGAN或WavRNN網(wǎng)絡(luò)結(jié)構(gòu)。

7.根據(jù)權(quán)利要求1所述的一種語音合成方法，其特征在于，所述將拼接后的語音的聲學(xué)特征輸入聲碼器模型，輸出語音合成后的音頻，其中：所述聲學(xué)特征為梅爾頻譜特征或線性頻譜特征。

8.一種語音合成裝置，其特征在于，包括：

韻律分析模塊，用于對待合成的長文本進(jìn)行韻律分析，獲得分割等級(jí)；

文本分割處理模塊，用于將獲得分割等級(jí)后的長文本分割為短文本，得到短文本集合；

分批處理模塊，用于對短文本集合作分批處理；

聲學(xué)特征輸出模塊，用于加載語音合成模型，分批同時(shí)計(jì)算出短文本各自的語音的聲學(xué)特征，并按照短文本在長文本中的順序進(jìn)行語音的聲學(xué)特征的拼接；

聲碼器模塊，用于將輸入的拼接后的語音的聲學(xué)特征輸出語音合成后的音頻。

9.根據(jù)權(quán)利要求8所述的一種語音合成裝置，其特征在于，所述文本分割處理模塊還用于按照選定的分割等級(jí)，將長文本分割為由短文本組成的集合；對短文本組成的集合進(jìn)行文本處理；所述文本處理包括將中文轉(zhuǎn)換為音素、兒化音處理，并且記錄短文本所在待合成的長文本中的順序。

10.根據(jù)權(quán)利要求8所述的一種語音合成裝置，其特征在于，所述分批處理模塊還用于根據(jù)服務(wù)器的配置情況以及所處理文本集合的大小，指定并發(fā)數(shù)，并將短文本集合分批為相應(yīng)數(shù)量的批次，并保證每個(gè)批次的短文本數(shù)量相近。