[發明專利]一種語音合成播報方法及裝置

在審

• 申請號: 202110297740.6
• 申請日: 2021-03-19
• 公開（公告）號: CN112802447A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 潘帥嘉;許兵
• 申請（專利權）人: 成都啟英泰倫科技有限公司
• 主分類號: G10L13/04
• 分類號: G10L13/04;G10L13/02;G10L13/08;G10L13/10;G06N3/08;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種語音合成播報方法，其特征在于,包括如下步驟：

S1. 對待合成文本進行文本處理，獲取文本對應的語言特征；

S2. 調用存儲的神經網絡模型，根據所述的神經網絡模型預測文本信息對應的聲學參數；

S3. 將所述聲學參數進行語音合成，輸出合成的語音文件；

S4. 播放所述合成的音頻文件。

2.如權利要求1所述的語音合成播報方法，其特征在于，所述S1步驟中，文本處理具體包括以下步驟：

S11. 對待合成文本，過濾掉其中的特殊符號；

S12. 對待合成文本進行阿拉伯數字處理、發音符號處理、英文字符處理；

S13. 經過處理后的待合成文本，進行斷句處理；

S14. 對斷句后的文本進行韻律標注；

S15. 進行拼音標注。

3.如權利要求2所述的語音合成播報方法，其特征在于，所述步驟S12具體為：

當文本中包含有阿拉伯數字時，進行數字轉換；

當文本中包含有發音符號時，分別處理成對應的漢字表述；

當文本中包含英文時，轉換成近似發音的中文。

4.如權利要求2所述的語音合成播報方法，其特征在于，所述步驟S14中韻律標注具體為：采用不同韻律符號分別將文本拆分為韻律詞、韻律短語、韻律短句的組合，采用不同韻律符號分別對韻律詞、韻律短語、韻律短句和韻律停止進行標記，且不同韻律符號表示的停頓時間長短不同。

5.如權利要求1所述的語音合成播報方法，其特征在于，所述步驟S2具體為：

所述神經網絡模型包括多個不同種類的深度神經網絡模型，

根據步驟S1中得到的語言特征，判斷發音人類型并選擇與發音人類型匹配的神經網絡模型，經過深度神經網絡模型前向計算，模型輸出對應文本的聲學參數。

6.一種語音合成播報裝置，其特征在于：

文本處理模塊，用于對待合成文本進行處理，得到文本對應的語言特征；

聲學特征預測模塊，用于預測所述文本對應的聲學特征；

合成模塊，用于將所述聲學參數，進行語音合成，得到合成的語音文件；

語音播報模塊，用于播放所述合成語音；

進一步的，所述文本處理模塊包括如下子模塊：

特殊符號處理模塊，用于過濾掉所述文本中的非中文漢字符號。

7.如權利要求6所述的語音合成播報裝置，其特征在于，所述文本處理模塊包括如下子模塊：

特殊符號處理模塊，用于過濾掉所述文本中的非中文漢字符號；

數字符號字母處理模塊，用于處理文本中包含的數字、發音符號和英文字母，將所述文本中數字、發音符號、字母轉換成對應的中文漢字；

拼音標注模塊，根據分句結構判斷多音字，并通過快速搜索匹配拼音表，得到文本對應的拼音序列；

韻律標注模塊，用于對所述待合成文本進行斷句處理，并通過詞典快速搜索匹配，得到韻律詞，韻律短語和韻律斷句。

8.如權利要求6所述的語音合成播報裝置，其特征在于，還包括存儲器模塊，用于存儲分詞詞典和拼音表，以及存儲不同發音人對應的聲學模型。