[发明专利]基于隐马尔科夫模型的统计语音合成方法及装置

权利要求书

1.一种基于隐马尔科夫模型的统计语音合成装置，其特征在于，包括：自然语言问题生成模块、图片生成模块以及语音合成模块模块，其中：自然语言问题生成模块与图片生成模块、语音合成模块相连，并输出图片生成规则到图片生成模块，输出自然语言问题字符串到语音合成模块，输出问题答案；图片生成模块与自然语言问题生成模块相连并接收图片生成规则，输出最终生成的图片；语音合成模块与自然语言问题生成模块相连并接收自然语言问题字符串，输出最终合成的语音；

所述的语音合成模块包括：数据持久单元、参数调整单元、自适应合成单元、统计合成单元，其中：数据持久单元与参数调整单元和自适应合成单元相连，向参数调整单元发送预先存储的参数动态调整范围，随机选择事先训练的声音模型、决策树已经自适应数据集并向自适应合成单元发送；参数调整单元与数据持久单元、统计合成单元相连，从数据持久单元接收参数动态调整范围，生成动态调整的参数并向统计合成单元发送；自适应合成单元接收参数调整单元发送的声音模型、决策树以及自适应数据集，对该模型做自适应训练并输出训练得到的声音模型和决策树到统计合成单元；统计合成单元与数据持久单元、参数调整单元、自适应合成单元相连，接收参数调整单元传送的参数并对自适应合成单元传送过来的时长模型进行调整，最后接收自然语言问题生成模块传送的问题字符串，生成问题语音并传送给用户端；

所述装置通过生成关联多模态的自然语言问题，根据自然语言问题生成相应图片并加入干扰元素，根据问题文本，使用基于HMM的语音合成方法的多模态验证码合成语音并加入噪声，使得破解验证码的难度由单模态的验证码破解概率提升到几个单模态的验证码破解概率的叠加，在不降低用户体验的基础上提高了验证码的人机区分度。

2.根据权利要求1所述的装置，其特征是，所述的合成方法，具体包括：

步骤1、自然语言问题生成，具体包括以下步骤：

1.1)建立自然语言问题规则数据库，每条数据库记录包括一个自然语言问题生成规则和对应的图片生成规则，这两条对应的规则的输入参数相同；

1.2)从自然语言问题规则数据库中随机选取一条记录，随机产生该条记录中的规则所需的参数，并保存该数据库记录和参数；

1.3)根据该条记录中的规则和上一步中随机生成的参数，生成一条字符串，即所需的自然语言问题；

1.4)根据该条记录中的规则和上一步中随机生成的参数，计算并生成问题的答案；

步骤2、图片生成，具体包括以下步骤：

2.1)提取步骤1.2中的所保存的数据库记录；

2.2)根据该条数据库记录中的的自然语言问题生成规则所对应的图片生成规则，以及随机产生的输入参数，生成一张带有步骤1.3中生成的自然语言问题的答案的原始图片；

2.3)将上一步生成原始图片，通过一系列操作如几何变换、加入干扰线条和像素点、随机叠加干扰图片等方法，生成最后呈现给用户的图片；

步骤3、通过基于隐马尔科夫模型的统计语音合成方法合成语音，具体包括以下步骤：

3.1)建立已经训练好的基础语音模型数据库，每一条数据库记录包含一个基础的语音数据的模型和决策树，每一个语音数据的模型和决策树由多种说话人、多种语调、多种说话风格的声音数据集经过训练得到；

3.2)随机选择一条语音数据库中的记录，取出记录中的模型和决策树，通过动态设置参数调整时长模型，对声学模型进行自适应训练得到新的声学模型；

3.3)通过调整后的模型和决策树，生成新的二进制语音合成文件；

3.4)取得步骤1.3中生成的自然语言问题字符串，通过上一步生成的二进制语音合成文件，生成原始的合成语音；

3.5)给上一步生成的原始合成语音加入加性噪声，即原始音频和噪声音频直接叠加，生成最终的音频。