[发明专利]语音库生成设备及其方法、语音合成系统及其方法

权利要求书

1.一种语音库生成设备，包括：

语音提取装置，用于从收集的数据中提取预定发音人的语音数据；

语音识别装置，用于将所述预定发音人的语音数据识别为文本；

文本标注装置，用于对所述文本进行标注。

2.如权利要求1所述的语音库生成设备，其中还包括：

预处理装置，用于对收集的数据进行预处理。

3.如权利要求1或2所述的语音库生成设备，其中所述语音提取装置包括：

声纹特征提取单元，用于提取收集的数据中的语音声纹特征序列；

第一计算单元，用于计算所述语音声纹特征序列与背景模型的第一似然度；

第二计算单元，用于计算所述语音声纹特征序列与预定发音人的说话人声纹模型的第二似然度；

第一判别单元，用于将所述第二似然度与所述第一似然度之比大于第一阈值的语音数据确定为预定发音人的语音数据。

4.如权利要求1至3之一所述的语音库生成设备，其中所述语音识别装置包括：

识别单元，用于从预定发音人的语音数据中提取语音声学参数，将所述语音声学参数解码以获得第一识别文本；

置信度计算单元，用于计算所述解码的置信度；

第二判别单元，用于将所述置信度大于第二阈值的所述第一识别文本确定为第二识别文本。

5.一种语音库生成方法，包括：

语音提取步骤，从收集的数据中提取预定发音人的语音数据；

语音识别步骤，将所述预定发音人的语音数据识别为文本；

文本标注步骤，对所述文本进行标注。

6.如权利要求5所述的语音库生成方法，其中还包括：

预处理步骤，对收集的数据进行预处理。

7.如权利要求5或6所述的语音库生成方法，其中所述语音提取步骤包括：

声纹特征提取步骤，提取收集的数据中的语音声纹特征序列；

第一计算步骤，计算所述语音声纹特征序列与背景模型的第一似然度；

第二计算步骤，计算所述语音声纹特征序列与预定发音人的说话人声纹模型的第二似然度；

第一判别步骤，将所述第二似然度与所述第一似然度之比大于第一阈值的语音数据确定为预定发音人的语音数据。

8.如权利要求5至7之一所述的语音库生成方法，其中所述语音识别步骤包括：

识别步骤，从预定发音人的语音数据中提取语音声学参数，将所述语音声学参数解码以获得第一识别文本；

置信度计算步骤，计算所述解码的置信度；

第二判别步骤，将所述置信度大于第二阈值的所述第一识别文本确定为第二识别文本。

9.一种语音合成系统，包括：

分词装置，用于对输入的文本进行分词；

查找装置，用于根据分词结果查找预定发音人语音库中与文本对应的至少一个预定发音人的语音片段；

选择装置，用于从查找的预定发音人的语音片段中选择最优的语音片段；以及

合成装置，用于将挑选的语音片段拼接以合成连续的预定发音人的语音序列。

10.如权利要求9所述的语音合成系统，其中还包括用于生成语音库的语音库生成设备，所述语音库生成设备包括：

语音提取装置，用于从收集的数据中提取预定发音人的语音数据；

语音识别装置，用于将所述预定发音人的语音数据识别为文本；

文本标注装置，用于对所述文本进行标注。

11.如权利要求9或10所述的语音合成系统，其中还包括用于在满足第一预定条件时更新预定发音人语音库的第一更新装置。

12.如权利要求9或10所述的语音合成系统，其中还包括用于在满足第二预定条件时更新语音合成系统的第二更新装置。

13.一种语音合成方法，包括：

分词步骤，对输入的文本进行分词；

查找步骤，根据分词结果查找预定发音人语音库中与文本对应的至少一个预定发音人的语音片段；

选择步骤，从查找的预定发音人的语音片段中选择最优的语音片段；以及

合成步骤，将挑选的语音片段拼接以合成连续的预定发音人的语音序列。