[发明专利]语音合成方法、装置、计算设备和存储介质

说明书

本发明公开了一种语音合成方法、装置、计算设备和存储介质，其中，在服务器执行的语音合成方法包括：对来自客户端的客户端数据包中的文字数据进行文语转换处理，得到与所述文字数据相对应的音频数据；基于所述客户端与所述服务器之间的网络连接状态，确定用于压缩所述音频数据的码率；基于所述码率对所述音频数据进行压缩处理，得到经过压缩处理后的音频数据包；将所述音频数据包返回给所述客户端。由此，针对复杂多变的网络环境，通过调整压缩码率来保证整个语音合成过程平滑，使得用户能够得到平滑的语音数据播放。

技术领域

本发明涉及语音处理技术领域，特别涉及一种语音合成方法、装置、计算设备和存储介质。

背景技术

语音合成是通过机械的、电子的方法产生人造语音的技术。TTS技术(又称文语转换技术)隶属于语音合成，它是将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的音频输出的技术。

目前的很多语音合成服务基本都是将服务端合成的音频数据直接传输给客户端，客户端进行适当的缓冲，接着进行播放。在其中，并未考虑复杂的互联网环境以及播放缓冲、解码缓冲等因素的影响，整个语音合成系统也不能够感知网络状况的变化，自适应提供不同质量的音频数据。

因此，仍然需要一种改进的语音合成技术，以向用户提供平滑的音频数据播放效果。

发明内容

本发明的目的是提供一种语音合成方法和装置，以适应不同的网络环境以及网络状况，向用户提供平滑的语音数据播放效果。

根据本发明的一个方面，提供了一种在服务器执行的语音合成方法，包括：对来自客户端的客户端数据包中的文字数据进行文语转换处理，得到与所述文字数据相对应的音频数据；基于所述客户端与所述服务器之间的网络连接状态，确定用于压缩所述音频数据的码率；基于所述码率对所述音频数据进行压缩处理，得到经过压缩处理后的音频数据包；将所述音频数据包返回给所述客户端。

可选地，该语音合成方法还可以包括基于来自所述客户端的丢包率参数，确定所述网络连接状态。

可选地，所述确定用于压缩所述音频数据的码率的步骤可以包括：在所述网络连接状态良好的情况下，基于所述丢包率参数确定用于压缩所述音频数据的码率。

可选地，在所述网络连接状态差的情况下，所述服务器不对文字数据进行文语转换处理，或者不对所述音频数据进行压缩处理，并向所述客户端发送离线生成音频数据的指令。

可选地，丢包率参数是所述客户端根据先前接收到的音频数据包的统计信息计算得到的。

根据本发明的另一方面，还提供了一种用于语音合成的服务器，包括：第一文语转换单元，用于对来自客户端的客户端数据包中的文字数据进行文语转换处理，得到与所述文字数据相对应的音频数据；码率确定单元，用于基于所述客户端与所述服务器之间的网络连接状态，确定用于压缩所述音频数据的码率；压缩单元，用于基于所述码率对所述音频数据进行压缩处理，得到经过压缩处理后的音频数据包；以及第一传输单元，用于将所述音频数据包返回给所述客户端。

可选地，该服务器还可以包括第一网络状态确定单元，用于基于来自所述客户端的丢包率参数，确定所述网络连接状态。

可选地，所述码率确定单元在所述网络连接状态良好的情况下，基于所述丢包率参数确定用于压缩所述音频数据的码率。

可选地，该服务器还可以包括指令控制单元，用于在所述网络连接状态差的情况下生成离线生成音频数据的指令，其中，在所述网络连接状态差的情况下，所述第一文语转换单元不对文字数据进行文语转换处理，或者所述压缩单元不对所述音频数据进行压缩处理，所述第一传输单元向所述客户端发送离线生成音频数据的指令。