[发明专利]基于双音节混搭的波形拼接方法、装置、设备及存储介质

权利要求书

1.一种基于双音节混搭的波形拼接方法，其特征在于，包括以下步骤：

音库制作：将双音节词的标准音频按韵母切分为前、中、后三段音频，每段音频作为波形拼接所需的基元语音片段保存至音库中；

文本预处理：将待转化成语音的文本正则化，对正则化后的文本按说话规则分词以形成短语，并标注拼音和声调；

短语波形拼接：以分词之后的短语为单位，将所述短语中每两个相邻的字作为一个待转化双音节词，从音库中查找所述短语中首个待转化双音节词的前、中两段基元语音片段、末个待转化双音节词的中、后两个基元语音片段以及其他待转化双音节词的中段基元语音片段，并按各个待转化双音节词在所述短语中的顺序，将查到的各段基元语音片段依次拼接为所述短语的音频文件；

文本音频拼接：按各个短语在所述待转化成语音的文本中的顺序，将获得的各个短语的音频文件依次直接拼接为所述文本的语音文件；

其中，所述将双音节词的音频按韵母切分为前、中、后三段音频时，以汉字韵母发声波形中部最高点的左边零点作为分界点。

2.根据权利要求1所述的基于双音节混搭的波形拼接方法，其特征在于，在音库制作之前还包括以下步骤：

音频录制：录制专业客服朗读的双音节词，并以双音节词为单位保存为原始音频文件；

静音段分割：切除所述原始音频文件中音频前后的静音部分，将所述音频中的发音部分作为所述双音节词的标准音频保存。

3.根据权利要求1或2所述的基于双音节混搭的波形拼接方法，其特征在于，所述基元语音片段的文件名以该基元语音片段对应的双音节词的拼音、声调和段位命名。

4.根据权利要求1或2所述的基于双音节混搭的波形拼接方法，其特征在于，所述文本预处理具体包括以下步骤：

文本正则化：将所述文本中包含的非中英文字符根据预设的处理规则进行转换；

文本分词：根据汉语的说话习惯将所述文本划分为若干个短语，并在各个短语之间加入空格以示停顿；

拼音标注：给分词后的所述文本标注拼音和声调。

5.根据权利要求3所述的基于双音节混搭的波形拼接方法，其特征在于，在所述短语波形拼接中，根据各个所述待转化双音节词上标注的拼音和声调，从所述音库中查找文件名中包含有所述双音节词上标注的拼音和声调的基元语音片段；再根据拼接规则，从查找到的基元语音片段中获取文件名中包含有相应段位的基元语音片段。

6.一种基于双音节混搭的波形拼接装置，其特征在于，包括：

音库制作模块，用于将双音节词的标准音频按韵母切分为前、中、后三段音频，每段音频作为波形拼接所需的基元语音片段保存至音库中；其中，所述将双音节词的音频按韵母切分为前、中、后三段音频时，以汉字韵母发声波形中部最高点的左边零点作为分界点；

文本预处理模块，用于将待转化成语音的文本正则化，对正则化后的文本按说话规则分词以形成短语，并标注拼音和声调；

短语波形拼接模块，用于以分词之后的短语为单位，将所述短语中每两个相邻的字作为一个待转化双音节词，从音库中查找所述短语中首个待转化双音节词的前、中两段基元语音片段、末个待转化双音节词的中、后两个基元语音片段以及其他待转化双音节词的中段基元语音片段，并按各个待转化双音节词在所述短语中的顺序，将查到的各段基元语音片段依次拼接为所述短语的音频文件；

文本音频拼接模块，用于按各个短语在所述待转化成语音的文本中的顺序，将获得的各个短语的音频文件依次直接拼接为所述文本的语音文件。

7.根据权利要求6所述的基于双音节混搭的波形拼接装置，其特征在于，还包括：

音频录制模块，用于录制专业客服朗读的双音节词，并以双音节词为单位保存为原始音频文件；

静音段分割模块，用于切除所述原始音频文件中音频前后的静音部分，将所述音频中的发音部分作为所述双音节词的标准音频保存。