[发明专利]一种基于多情感说话人自适应的情感语音合成方法

权利要求书

1.一种基于多情感说话人自适应的情感语音合成方法，其特征是，包括：

从多说话人目标情感的第一情感语音数据库中提取训练模型所需的声学参数文件；

从目标文本文件中得到标注文件；

对基元模型进行HMM训练，得到HMM模型库；

对多说话人情感语音数据模型进行说话人自适应训练，获得多说话人情感语音数据的平均音模型；

在目标说话人情感语音数据的指导下，对平均音模型进行说话人自适应变换，得到说话人相关的自适应模型；

通过对待合成目标说话人目标情感和语音文本进行文本分析，得到目标文本的上下文相关的标注文件；

在自适应模型的指导下，通过决策分析得到目标语音的上下文相关的HMM决策序列，并生成相应的语音参数；

将语音参数合成得到目标说话人目标情感的语音。

2.根据权利要求1所述的基于多情感说话人自适应的情感语音合成方法，其特征是，所述提取训练模型所需的声学参数文件，通过STRAIGHT参数提取；

和/或，所述声学参数文件至少包括基频、谱参数。

3.根据权利要求1所述的基于多情感说话人自适应的情感语音合成方法，其特征是，所述从目标文本文件中得到标注文件，包括：文本文件经过文本分析，由标注生成程序得到包含音素信息的单音素标注文件和包含上下文语境信息的上下文相关的标注文件。

4.根据权利要求1所述的基于多情感说话人自适应的情感语音合成方法，其特征是，所述对基元模型进行HMM训练，在上下文属性和问题集的指导下进行；

和/或，所述HMM模型库通过决策树聚类得到。

5.根据权利要求1所述的基于多情感说话人自适应的情感语音合成方法，其特征是，所述对多说话人情感语音数据模型进行说话人自适应训练，通过约束最大似然线性回归算法进行；和/或，

所述对平均音模型进行说话人自适应变换，通过约束最大似然线性回归算法进行。

6.根据权利要求1所述的基于多情感说话人自适应的情感语音合成方法，其特征是，所述说话人相关的自适应模型采用最大后验概率进行修正和更新。

7.根据权利要求1所述的基于多情感说话人自适应的情感语音合成方法，其特征是，所述目标文本的上下文相关的标注文件，通过标注生成程序生成。

8.根据权利要求1所述的基于多情感说话人自适应的情感语音合成方法，其特征是，所述将语音参数合成，采用STRAIGHT语音合成器进行。

9.根据权利要求5所述的基于多情感说话人自适应的情感语音合成方法，其特征是，所述对多说话人情感语音数据模型进行说话人自适应训练，包括：

给定训练情感语音数据和目标说话人情感语音数据；

对声学参数进行表征，并对声学参数的状态输出分布和时长分布进行估计、建模；

用线性回归方程对训练语音数据模型状态输出分布和平均音模型状态输出分布的差异进行归一化处理。

10.根据权利要求9所述的基于多情感说话人自适应的情感语音合成方法，其特征是，所述给定训练情感语音数据和目标说话人情感语音数据之后，还包括：

采用最大似然准则估计两者之间的线性变换，并得到调整模型分布的协方差矩阵。