[发明专利]汉语教学语音合成方法及装置

权利要求书

1.一种汉语教学语音合成方法，其特征在于，所述的方法包括：

获取语言学习者语音以及多个标准教师语音；

根据语音参数从所述多个标准教师语音中选择与所述语言学习者语音最接近的标准教师语音，其中，所述的语音参数包括：声学参数、音高、节奏信息；

根据所述最接近的标准教师语音与所述语言学习者语音合成声调教学语音。

2.根据权利要求1所述的方法，其特征在于，根据语音参数从所述多个标准教师语音中选择与所述语言学习者语音最接近的标准教师语音包括：

根据语音参数分别对每个标准教师语音、以及所述语言学习者语音训练高斯混合模型；

根据得到的高斯混合模型选择与所述语言学习者语音最接近的标准教师语音。

3.根据权利要求1所述的方法，其特征在于，根据所述最接近的标准教师语音与所述语言学习者语音合成声调教学语音包括：

分别对所述最接近的标准教师语音与所述语言学习者语音进行音素分段；

根据所述最接近的标准教师语音与所述语言学习者语音的每个对应音素段调整所述语言学习者语音的时长和基音周期；

根据调整后的所述语言学习者语音的时长和基音周期、应用TD-PSOLA算法合成所述声调教学语音。

4.根据权利要求3所述的方法，其特征在于，根据所述最接近的标准教师语音与所述语言学习者语音的每个对应音素段调整所述语言学习者语音的时长和基音周期包括：

将所述最接近的标准教师语音的时长与所述语言学习者语音的时长的平均值确定为调整后的所述语言学习者语音的时长；

将所述最接近的标准教师语音的基音周期确定为调整后的所述语言学习者语音的基音周期。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述的节奏信息包括：

一句语音中所有元音的时长加占总时长的比例；

一句语音中元音时长的标准差；

相邻两元音段或辅音段之间的时长差的平均值；

相邻两元音段或辅音段之间的时长差占单个片段时长的比例的平均值。

6.一种汉语教学语音合成装置，其特征在于，所述的装置包括：

语音获取单元，用于获取语言学习者语音以及多个标准教师语音；

最接近标准教师语音选择单元，用于根据语音参数从所述多个标准教师语音中选择与所述语言学习者语音最接近的标准教师语音，其中，所述的语音参数包括：声学参数、音高、节奏信息；

声调教学语音合成单元，用于根据所述最接近的标准教师语音与所述语言学习者语音合成声调教学语音。

7.根据权利要求6所述的装置，其特征在于，所述最接近标准教师语音选择单元包括：

高斯混合模型训练模块，用于根据语音参数分别对每个标准教师语音、以及所述语言学习者语音训练高斯混合模型；

最接近标准教师语音选择模块，用于根据得到的高斯混合模型选择与所述语言学习者语音最接近的标准教师语音。

8.根据权利要求6所述的装置，其特征在于，所述声调教学语音合成单元包括：

音素分段模块，用于分别对所述最接近的标准教师语音与所述语言学习者语音进行音素分段；

语言学习者语音调整模块，用于根据所述最接近的标准教师语音与所述语言学习者语音的每个对应音素段调整所述语言学习者语音的时长和基音周期；

声调教学语音合成模块，用于根据调整后的所述语言学习者语音的时长和基音周期、应用TD-PSOLA算法合成所述声调教学语音。

9.根据权利要求8所述的装置，其特征在于，所述语言学习者语音调整模块包括：

时长调整子模块，用于将所述最接近的标准教师语音的时长与所述语言学习者语音的时长的平均值确定为调整后的所述语言学习者语音的时长；

基音周期调整子模块，用于将所述最接近的标准教师语音的基音周期确定为调整后的所述语言学习者语音的基音周期。

10.根据权利要求6至9中任一项所述的装置，其特征在于，所述最接近标准教师语音选择单元中的节奏信息包括：

一句语音中所有元音的时长加占总时长的比例；

一句语音中元音时长的标准差；

相邻两元音段或辅音段之间的时长差的平均值；

相邻两元音段或辅音段之间的时长差占单个片段时长的比例的平均值。