合成语音的处理方法、装置、存储介质以及电子设备

摘要：

本申请实施例公开了一种合成语音的处理方法、装置、存储介质以及电子设备。所述方法包括：获取文本数据，基于语音合成模型对所述文本数据进行语音合成处理得到初步合成语音数据，基于真人语音数据的语音信号参数对所述初步合成语音数据进行调整得到目标合成语音数据，其中，所述语音信号参数包括音量、语速、频率以及背景噪声中的一种或多种。本申请通过上述语音信号参数对初步合成语音数据进行调整，提高了合成语音的真实感。

专利类型：发明专利

申请/专利号：CN202011069185.3

申请日期：2020-09-30

公开/公告号：CN112289298A

公开/公告日：2021-01-29

主分类号：G10L13/02(2013.01)

申请/专利权人:北京大米科技有限公司

发明/设计人:梁光;杨惠;吴雨璇;舒景辰;周鼎皓

主申请人地址:100025 北京市朝阳区姚家园南路1号惠通时代广场6号楼

专利代理机构:北京恒博知识产权代理有限公司

代理人:张晓芳

国别省市代码:北京;11

权利要求：

1.一种合成语音的处理方法，其特征在于，所述方法包括： 获取文本数据； 基于语音合成模型对所述文本数据进行语音合成处理得到初步合成语音数据； 基于真人语音数据的语音信号参数对所述初步合成语音数据进行调整得到目标合成语音数据；其中，所述语音信号参数包括音量、语速、基频以及背景噪声中的一种或多种。 2.根据权利要求1所述的方法，其特征在于，所述基于真人语音数据的语音信号参数对所述初步合成语音数据进行调整得到目标合成语音数据，包括： 当所述初步合成语音数据的数量为多个时，分别计算多个初步合成语音数据的音量； 基于音量对所述多个初步合成语音数据进行归一化处理； 将音量归一化处理之后的初步合成语音数据进行拼接得到所述目标合成语音数据。 3.根据权利要求2所述的方法，其特征在于，所述基于音量对所述多个初步合成语音数据进行归一化处理，包括： 计算所述真人语音数据的平均音量； 基于所述平均音量将所述初步合成语音数据的音量调节为平均音量。 4.根据权利要求1所述的方法，其特征在于，所述基于真人语音数据的语音信号参数对所述初步合成语音数据进行调整得到目标合成语音数据，包括 当所述初步合成语音数据的数量为多个时，分别计算多个初步合成语音数据的语速； 基于语速对所述多个初步合成语音数据进行归一化处理； 将语速归一化处理之后的初步合成语音数据进行拼接得到所述目标合成语音数据。 5.根据权利要求4所述的方法，其特征在于，所述基于语速对所述多个初步合成语音数据进行归一化处理，包括： 计算所述真人语音数据的平均语速； 基于所述平均语速将所述初步合成语音数据的语速调节为平均语速。 6.根据权利要求1所述的方法，其特征在于，所述基于真人语音数据的语音信号参数对所述初步合成语音数据进行调整得到目标合成语音数据，包括 当所述初步合成语音数据的数量为多个时，分别计算多个初步合成语音数据的频率； 基于频率对所述多个初步合成语音数据进行平滑处理； 将平滑处理之后的初步合成语音数据进行拼接得到所述目标合成语音数据。 7.根据权利要求6所述的方法，其特征在于，所述基于频率对所述多个初步合成语音数据进行平滑处理，包括： 计算所述真人语音数据的平均基频； 基于所述平均基频将所述初步合成语音数据的基频调节为平均基频；或 确定窗长和窗中的插入点； 基于所述插入点对所述初步合成语音中的基频和倍频进行平滑处理。 8.根据权利要求1所述的方法，其特征在于，所述基于真人语音数据的语音信号参数对所述初步合成语音数据进行调整得到目标合成语音数据，包括 当所述初步合成语音的数量为多个时，计算各个真人语音数据的信噪比； 基于所述各个真人语音数据的信噪比在所述各个真人语音数据对应的初步合成语音数据中添加背景噪声； 将添加背景噪声之后的初步合成语音数据进行拼接得到所述目标合成语音。 9.一种合成语音的处理装置，其特征在于，所述装置包括： 文本获取模块，用于获取文本数据； 语音合成模块，用于基于语音合成模型对所述文本数据进行语音合成处理得到初步合成语音数据； 语音处理模块，用于基于真人语音数据的语音信号参数对所述初步合成语音进行调整得到目标合成语音数据；其中，所述语音信号参数包括音量、语速、基频以及背景噪声中的一种或多种。 10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1～8任意一项的方法步骤。 11.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～8任意一项的方法步骤。