一种语音合成方法、系统及相关设备
本发明实施例提供了一种语音合成方法、系统及相关设备，用于提高用户体验，提高语音合成的准确率。本发明实施例方法包括：获取带有音调标注的模板文本对应的第一录音文件；在所述第一录音文件中提取所述模板文本中带有音调标注的分词的音频信号，并将提取到的音频信号与对应的带有音调标注的分词建立映射关系；对目标文本中的各个目标分词进行音调标记，并根据所述映射关系提取带有音调标记的各个目标分词的音频信号；按照各个目标分词的排列顺序将提取到的音频信号合成所述目标文本对应的音频文件。
发明专利
CN202011001059.4
2020-09-22
CN112102810A
2020-12-18
G10L13/02(2013.01)
深圳追一科技有限公司
陈家涛;陈文
518000 广东省深圳市南山区粤海街道科技园社区科苑路8号讯美科技广场3号楼23A、23B
北京集佳知识产权代理有限公司
王学强
广东;44
1.一种语音合成方法，其特征在于，包括： 获取带有音调标注的模板文本对应的第一录音文件； 在所述第一录音文件中提取所述模板文本中带有音调标注的分词的音频信号，并将提取到的音频信号与对应的带有音调标注的分词建立映射关系； 对目标文本中的各个目标分词进行音调标记，并根据所述映射关系提取带有音调标记的各个目标分词的音频信号； 按照各个目标分词的排列顺序将提取到的音频信号合成所述目标文本对应的音频文件。 2.根据权利要求1所述的方法，其特征在于，对目标文本中的各个目标分词进行音调标记，包括： 若识别到预设词库中的语气词，而且所述语气词位于句首或单独出现，则将所述语气词的音调标记为轻声之外的预设音调，所述预设音调与所述语气词的位置关联；或者， 若识别到预设词库中的语气词，而且所述语气词位于句尾，则将所述语气词的音调标记为轻声。 3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括： 若识别到预设词库中的变调词汇，则根据所述变调词汇的预存音调进行音调标记。 4.根据权利要求1-3中任一项所述的方法，其特征在于，所述方法还包括： 若识别到预设词库中包含多音字的词汇，则根据所述包含多音字的词汇的预存音调进行音调标记。 5.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括： 若识别到“儿”字组成预设儿化音词库中词语，则将所述“儿”字的音调标记为轻声。 6.根据权利要求1至5中任一项所述的方法，其特征在于，根据所述映射关系提取带有音调标记的各个目标分词的音频信号，包括： 获取用户选择的目标录音师对应的身份标识； 根据所述身份标识确定所述目标录音师对应的映射关系，并提取带有音调标记的各个目标分词的音频信号。 7.一种语音合成系统，其特征在于，包括： 获取模块，获取带有音调标注的模板文本对应的第一录音文件； 处理模块，用于在所述第一录音文件中提取所述模板文本中带有音调标注的分词的音频信号，并将提取到的音频信号与对应的带有音调标注的分词建立映射关系； 第一标记模块，用于对目标文本中的各个目标分词进行音调标记； 提取模块，根据所述映射关系提取带有音调标记的各个目标分词的音频信号； 合成模块，用于按照各个目标分词的排列顺序将提取到的音频信号合成所述目标文本对应的音频文件。 8.根据权利要求7所述的系统，其特征在于，所述第一标记模块包括： 第一标记单元，若识别到预设词库中的语气词，而且所述语气词位于句首或单独出现，则将所述语气词的音调标记为轻声之外的预设音调，所述预设音调与所述语气词的位置关联； 第二标记单元，若识别到预设词库中的语气词，而且所述语气词位于句尾，则将所述语气词的音调标记为轻声。 9.根据权利要求7或8所述的系统，其特征在于，还包括： 第二标记模块，若识别到预设词库中的变调词汇，则根据所述变调词汇的预存音调进行音调标记。 10.根据权利要求7至9中任一项所述的系统，其特征在于，还包括： 第三标记模块，若识别到预设词库中包含多音字的词汇，则根据所述包含多音字的词汇的预存音调进行音调标记。 11.根据权利要求7至10中任一项所述的系统，其特征在于，还包括： 第四标记模块，若识别到“儿”字组成预设儿化音词库中词语，则将所述“儿”字的音调标记为轻声。 12.根据权利要求7至11中任一项所述的系统，其特征在于，所述提取模块包括： 获取单元，用于获取用户选择的目标录音师对应的身份标识； 提取单元，根据所述身份标识确定所述目标录音师对应的映射关系，并提取带有音调标记的各个目标分词的音频信号。 13.一种计算机装置，其特征在于，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至6中任意一项所述方法的步骤。 14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述方法的步骤。