[发明专利]语音合成方法及装置

说明书

本申请公开了一种语音合成方法及装置，涉及音频处理领域，该方法包括：获取用于语音播放的目标文字信息；根据所述目标文字信息中的固定文字，得到第一音频文件；识别并提取所述目标文字信息中的特征文字，得到特征文字信息；对所述特征文字信息进行音频录制，得到第二音频文件；将所述第一音频文件和所述第二音频文件进行拼接，得到目标音频文件。本申请采用识别并提取目标文字信息中的特征文字的方式，通过对特征文字信息进行针对性的音频录制，达到了最终的目标音频文件都是由人来录制的目的，从而实现了高度拟人化的技术效果，进而解决了相关技术中机器人合成的语音文件在播放时生硬僵化，缺乏拟人感的问题。

技术领域

本申请涉及音频处理领域，具体而言，涉及一种语音合成方法及装置。

背景技术

相关技术中机器人根据目标文本信息生成对应的语音文件并播放时，由于目标文本信息的多变性，机器人往往采用固定的电子声音播放，用户听到时能明显感觉到是机器人在讲话，而不是真实的人类在讲话，沟通过程生硬僵化，缺乏拟人感。

针对相关技术中机器人合成的语音文件在播放时生硬僵化，缺乏拟人感的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种语音合成方法及装置，以解决相关技术中机器人合成的语音文件在播放时生硬僵化，缺乏拟人感的问题。

为了实现上述目的，根据本申请的第一方面，本申请实施例提供了一种语音合成方法，所述方法包括：获取用于语音播放的目标文字信息；根据所述目标文字信息中的固定文字，得到第一音频文件；识别并提取所述目标文字信息中的特征文字，得到特征文字信息；对所述特征文字信息进行音频录制，得到第二音频文件；将所述第一音频文件和所述第二音频文件进行拼接，得到目标音频文件。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，所述特征文字信息包括：姓名信息、金额信息和日期信息中的至少一种。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述对特征文字信息进行音频录制，得到第二音频文件包括：提取所述第一音频文件中的音频特征信息；通过训练语料对预设机器学习模型进行特征训练，得到所述第二音频文件，其中，所述训练语料包括所述音频特征信息和所述特征文字信息。

结合第一方面，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述对特征文字信息进行音频录制，得到第二音频文件包括：对所述特征文字信息中的每个特征文字进行拼音拆解，得到每个所述特征文字的拼音字母和拼音声调；根据所述特征文字的拼音字母和拼音声调，生成对应的所述第二音频文件。

结合第一方面，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述根据目标文字信息中的固定文字，得到第一音频文件包括：识别并提取所述目标文字信息中的固定文字，并将所述固定文字划分为多个固定文字编组；判断预设音频数据库中是否包含每个所述固定文字编组所对应的第三音频文件；如果判定所述预设音频数据库中包含有每个所述固定文字编组所对应的第三音频文件，则提取并合并所述第三音频文件，得到所述第一音频文件。

结合第一方面，本申请实施例提供了第一方面的第五种可能的实施方式，其中，所述将第一音频文件和所述第二音频文件进行拼接，得到目标音频文件包括：根据所述目标文字信息和预设划分规则，得到所述第一音频文件和所述第二音频文件的拼接位置；根据所述拼接位置拼接所述第一音频文件和所述第二音频文件，得到目标音频文件。