[发明专利]语音合成方法及系统

说明书

本发明涉及一种语音合成方法及系统，所述方法包括：对输入文本进行文本分析和语言分析，生成包含相应语音单元的前端脚本，获取和校验所述前端脚本，修正所述前端脚本；以及获取所述修正后的前端脚本并合成修正语音，本发明能够纠正前端脚本的错误如分词错误和多音字注音错误，从而提高合成语音的易理解性和用户的可接受程度，弥补传统TTS对韵律的预测准确度不足的缺点，提高了合成语音的自然度和表现力。

技术领域

本发明属于语音合成技术领域，特别涉及一种语音合成方法及系统。

背景技术

传统TTS(Text to Speech语音合成)系统由前端和后端两部分组成。前端主要负责文本预处理和语音单元生成，后端主要负责语音合成。如图1所示，传统TTS系统的前端和后端都设置于客户端，传统TTS系统处理环节众多，计算复杂度高，对计算机的运算能力和存储容量提出了更高要求，特别是对逐渐兴起的移动终端设备如个人数字助理，电子书，手机提出了巨大挑战。

因此，分布式TTS系统应运而生，如图2所示，分布式TTS系统的前端和后端相分离，前端环节在服务器完成，后端设置于客户端上，客户端获取前端产生的脚本并完成语音合成，通过服务器和客户端的协同工作，以缓解了客户端的运算压力。此外，如果想要获得较好的前端文本分析结果，所需要的预先标注好的数据也是海量的，在此基础上得出的知识(可以是规则，也可以是模型)也会非常大，分布式语音合成系统也可以有效的缓解移动终端在存储上的不足。然而，无论是传统TTS系统，还是分布式TTS系统，始终面临着一个问题：以目前的人工智能技术，无法生成绝对正确的前端结果，分词、韵律预测、语音单元选取都有可能出现偏差，而前端结果对于最终的合成结果有着决定性的作用，好的前端结果使可懂度、自然度和用户可接受程度大大提高，而坏的前端结果可能会使得合成结果与文本相差万里。虽然现在常见的语音合成算法可以合成出高质量高自然度的合成语音，但这都是建立在高质量的前端分析结果之上的，如果没有高质量的前端文本分析结果作为基础，任何语音合成算法都无法合成出让人可以接受的合成语音。前端文本分析和后端语音合成是两个相辅相成的模块，前端文本分析是基础，只有好的前端文本分析结果，好的合成结果才会有可能出现，相信在不久的将来，更加自然、更具有情感的合成方法肯定会出现，到时候，小说朗读、剧本朗读将成为可能，那时前端文本分析的结果将决定最终的合成结果。

发明内容

本发明的目的在于提供一种语音合成方法及系统，能够纠正前端脚本的错误如分词错误和多音字注音错误，从而提高合成语音的易理解性和用户的可接受程度，弥补传统TTS对韵律的预测准确度不足的缺点，提高了合成语音的自然度和表现力。

为解决上述问题，本发明提供一种语音合成方法，包括：

对输入文本进行文本分析和语言分析，生成包含相应语音单元的前端脚本；

获取和校验所述前端脚本，修正所述前端脚本；以及

获取所述修正后的前端脚本并合成修正语音。

进一步的，在上述方法中，，修正所述前端脚本的步骤包括：语调调整、语速调整、用变声的方法作音色调整、用回声的方法添加混响效果或用均衡器的方法提高声音效果。

进一步的，在上述方法中，所述文本分析包括将所述输入文本转化为标准格式。

进一步的，在上述方法中，所述语言分析包括韵律短语分析、语调分析或音长分析中的一种或任意组合。

进一步的，在上述方法中，所述校验包括分词校验、读音校验或韵律校验中的一种或任意组合。

进一步的，在上述方法中，所述合成修正语音的方法包括基于HMM的可训练语音合成方法、基于大语料库的波形拼接语音合成方法或基于HMM的大语料库语音合成方法。

进一步的，在上述方法中，获取和校验所述前端脚本，修正所述前端脚本的步骤中，将所述前端脚本合成原始语音，通过校验所述原始语音修正所述前端脚本。