[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

说明书

本发明公开了一种基于多情感说话人自适应的情感语音合成方法，属于语音合成技术领域，包括：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；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；得到目标文本的上下文相关的标注文件，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。本发明示例的语音合成方法，可以减小语音库中说话人的差异所造成的影响，提高合成语音的情感相似度，只用少量的待合成的情感语料，就能够合成出自然度、流利度、情感相似度都很好的情感语音。

技术领域

本发明属于语音合成技术领域，具体的说是一种基于多情感说话人自适应的情感语音合成方法。

背景技术

近些年来，随着语音合成技术的不断发展，从最初的物理机理的语音合成方法、源-滤波器的语音合成方法，到目前日趋成熟的波形拼接的语音合成方法、统计参数的语音合成方法，以及当下研究正盛的基于深度学习的语音合成方法，合成语音的音质得到明显改善。然而，传统的语音合成方法，研究人员仅仅实现了把书面文字、字符转换为简单的口语输出，却忽略了说话人在言语表达过程中所携带的情感信息。如何提高合成语音表现力，将成为情感语音合成技术研究的重要内容，也将是未来语音信号处理领域研究的必然趋势。

发明内容

本发明的目的在于提供一种基于多情感说话人自适应的情感语音合成方法，该方法能够减小语音库中说话人的差异所造成的影响，提高合成语音的情感相似度。

本发明所采用的技术方案为：

提供了一种基于多情感说话人自适应的情感语音合成方法，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。

进一步的，所述提取训练模型所需的声学参数文件，通过STRAIGHT参数提取。

进一步的，所述声学参数文件至少包括基频、谱参数。

进一步的，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。

进一步的，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。

进一步的，所述HMM模型库通过决策树聚类得到。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，所述将语音参数合成，采用STRAIGHT语音合成器进行。