[發明專利]語音合成編碼方法及裝置

在審

• 申請號: 202110647984.2
• 申請日: 2021-06-10
• 公開（公告）號: CN113380220A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 皮碧虹;楊德文;龍丁奮
• 申請（專利權）人: 深圳市同行者科技有限公司
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L13/04
• 代理公司: 深圳市特訊知識產權代理事務所(普通合伙) 44653
• 代理人: 孟智廣

1.一種語音合成編碼方法，其特征在于，包括：

開始將文本數據合成為pcm流數據，并將所述pcm流數據存儲于緩沖區；

根據當前系統負載情況動態計算開始播放需要的起始緩沖閾值Tstart；

若緩沖區緩沖時長大于所述起始緩沖閾值Tstart時，讀取緩沖區的所述pcm流數據進行播放；

根據當前系統負載情況動態計算持續播放需要的持續緩沖閾值Tblock；

若緩沖區緩沖時長大于所述持續緩沖閾值Tblock，則暫停將文本數據合成為pcm流數據，并等待預設時間后返回計算持續緩沖閾值Tblock的步驟；否則，持續將文本數據合成為pcm流數據，并等待預設時間后返回計算持續緩沖閾值Tblock的步驟，直至將全部的文本數據合成為pcm流數據。

2.根據權利要求1所述的語音合成編碼方法，其特征在于，所述根據當前系統負載情況動態計算開始播放需要的起始緩沖閾值Tstart，包括：

若T2-T1Tmin，則Tstart＝Tmin，否則Tstart＝T2-T1；

其中，T1為合成時長預估；

T2為播放時長；

Tmin為最小緩沖時長。

3.根據權利要求2所述的語音合成編碼方法，其特征在于，T1＝L*U/C，T2＝L*T；

其中，C為單核cpu最大空閑算力；U為單字合成算力消耗；T為單字時長預估；L為整句字長。

4.根據權利要求1所述的語音合成編碼方法，其特征在于，所述根據當前系統負載情況動態計算持續播放需要的持續緩沖閾值Tblock，包括：

若T4≤T3，Tblock＝T3，否則Tblock＝x*(T2-T1)+Tbuf；

若Tblock＜Tmin，則Tblock＝Tmin；

其中，T4為剩余播放時長預估，T3為剩余合成時長預估，Tbuf為當前緩沖區剩余播放時長，x為緩沖單位。

5.根據權利要求4所述的語音合成編碼方法，其特征在于，T3＝R*U/C，T4＝R*T+Tbuf，Tmin＝F*Tplayer；

其中，C為單核cpu最大空閑算力；U為單字合成算力消耗；R為剩余字長，F為最小播放緩沖系數，Tplayer為播放器最小緩沖區緩沖時長，T為單字時長預估。

6.根據權利要求5所述的語音合成編碼方法，其特征在于，所述緩沖單位x＝1％，所述最小播放緩沖系數F＝2。

7.根據權利要求1所述的語音合成編碼方法，其特征在于，還包括暫停播放所述pcm流數據的步驟。

8.一種語音合成編碼裝置，其特征在于，包括：

緩沖模塊，用于開始將文本數據合成為pcm流數據，并將所述pcm流數據存儲于緩沖區；

第一計算模塊，用于根據當前系統負載情況動態計算開始播放需要的起始緩沖閾值Tstart；

播放模塊，當緩沖區緩沖時長大于所述起始緩沖閾值Tstart時，用于讀取緩沖區的所述pcm流數據進行播放；

第二計算模塊，用于根據當前系統負載情況動態計算持續播放需要的持續緩沖閾值Tblock；

判斷模塊，用于若緩沖區緩沖時長大于所述持續緩沖閾值Tblock，則暫停將文本數據合成為pcm流數據，并等待預設時間后返回計算持續緩沖閾值Tblock的步驟；否則，持續將文本數據合成為pcm流數據，并等待預設時間后返回計算持續緩沖閾值Tblock的步驟，直至將全部的文本數據合成為pcm流數據。

9.根據權利要求8所述的語音合成編碼裝置，其特征在于，所述第一計算模塊用于

若T2-T1Tmin，則Tstart＝Tmin，否則Tstart＝T2-T1；

其中，T1為合成時長預估；

T2為播放時長；

Tmin為最小緩沖時長。

10.根據權利要求8所述的語音合成編碼裝置，其特征在于，所述第二計算模塊用于

若T4≤T3，Tblock＝T3，否則Tblock＝x*(T2-T1)+Tbuf；

若Tblock＜Tmin，則Tblock＝Tmin；

其中，T4為剩余播放時長預估，T3為剩余合成時長預估，Tbuf為當前緩沖區剩余播放時長，x為緩沖單位。