[發(fā)明專利]語音合成方法和裝置

有效

• 申請?zhí)枺?/td>: 202110336221.6
• 申請日: 2021-03-29
• 公開（公告）號: CN112951204B
• 公開（公告）日: 2023-06-13
• 發(fā)明（設計）人: 楊惠;吳雨璇;梁光;周鼎皓;陳昌儒
• 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
• 代理公司: 北京睿派知識產權代理有限公司 11597
• 代理人: 劉鋒

1.一種語音合成方法，其特征在于，所述方法包括：

確定文本信息；

確定所述文本信息對應的拼讀規(guī)則，所述拼讀規(guī)則用于表征所述文本信息的拼讀方式；

根據(jù)所述拼讀規(guī)則確定所述文本信息對應的音素向量序列，所述音素向量序列中各所述音素向量分別用于表征文本信息中對應的單詞；

根據(jù)所述音素向量序列進行語音合成，以確定對應的語音信息；

其中，所述根據(jù)所述拼讀規(guī)則確定所述文本信息對應的音素向量序列包括：

根據(jù)所述拼讀規(guī)則確定所述文本信息對應的音標向量序列；

確定所述文本信息對應音素序列，所述音素序列中依次包括所述文本信息時間維度上各單詞對應的音素；

根據(jù)所述音標向量序列和音素序列確定音素向量序列；

所述根據(jù)所述音標向量序列和音素序列確定音素向量序列具體為：

基于最大匹配算法匹配所述音標向量序列和音素序列，以確定包括多個音素向量的音素向量序列，其中，所述音素向量序列中的各所述音素向量依次對應于所述音標向量序列中的各所述音標向量。

2.根據(jù)權利要求1所述的方法，其特征在于，所述確定所述文本信息對應的拼讀規(guī)則包括：

確定所述文本信息中各單詞對應的至少一個音標；

根據(jù)各所述單詞對應的至少一個音標和各所述音標的拼讀順序確定拼讀規(guī)則。

3.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)所述拼讀規(guī)則確定所述文本信息對應的音標向量序列包括：

根據(jù)所述拼讀規(guī)則中各單詞對應的至少一個音標和各音標的拼讀順序確定對應的音標向量；

根據(jù)各所述音標向量確定音標向量序列，各所述音標向量在所述音標向量序列中的位置根據(jù)對應單詞在所述文本信息中的位置確定。

4.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)所述音素向量序列進行語音合成，以確定對應的語音信息具體為：

將所述音素向量序列輸入訓練得到的語音合成模型，以輸出對應的語音信息。

5.一種語音合成裝置，其特征在于，所述裝置包括：

第一信息確定模塊，用于確定文本信息；

第二信息確定模塊，用于確定所述文本信息對應的拼讀規(guī)則；

序列確定模塊，用于根據(jù)所述拼讀規(guī)則確定所述文本信息對應的音素向量序列，所述音素向量序列中各所述音素向量分別用于表征文本信息中對應的單詞；

語音合成模塊，用于根據(jù)所述音素向量序列進行語音合成，以確定對應的語音信息；

其中，所述序列確定模塊具體用于：

根據(jù)所述拼讀規(guī)則確定所述文本信息對應的音標向量序列；

確定所述文本信息對應音素序列，所述音素序列中依次包括所述文本信息時間維度上各單詞對應的音素；

根據(jù)所述音標向量序列和音素序列確定音素向量序列；

所述序列確定模塊具體用于：

基于最大匹配算法匹配所述音標向量序列和音素序列，以確定包括多個音素向量的音素向量序列，其中，所述音素向量序列中的各所述音素向量依次對應于所述音標向量序列中的各所述音標向量。

6.一種計算機可讀存儲介質，用于存儲計算機程序指令，其特征在于，所述計算機程序指令在被處理器執(zhí)行時實現(xiàn)如權利要求1-4中任一項所述的方法。

7.一種電子設備，包括存儲器和處理器，其特征在于，所述存儲器用于存儲一條或多條計算機程序指令，其中，所述一條或多條計算機程序指令被所述處理器執(zhí)行以實現(xiàn)如權利要求1-4中任一項所述的方法。