[发明专利]基于HMM的情感语音合成方法、装置及存储介质

说明书

本发明属于人工智能技术领域，公开了一种基于HMM的情感语音合成方法，包括：提取语料库中训练语音的声学参数；构建HMM；利用所述训练语音的声学参数训练所述HMM，得到训练后的HMM；通过对待合成文本进行文本分析处理，得到所述待合成文本的上下文属性和标注信息；根据所述上下文属性和标注信息得到相应的状态序列；根据所述状态序列和训练后的HMM生成待合成文本的语音参数；将所述待合成文本的语音参数合成得到目标情感语音。本发明还公开了一种电子装置和存储介质。本发明通过训练得到的HMM进行生成语音参数的指导，在语音参数合成的过程中，提高合成语音的表现力，反映出说话人传达的情感信息。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于HMM的情感语音合成方法、装置及存储介质。

背景技术

语音合成技术是指通过机械或电子等方法产生人造语音，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语音进行输出的技术。在创建文本语音合成系统时(Text-to-speech，TTS)，现有的语音合成方法，仅仅是实现了把书面文字、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，单纯的文本-语音转换不仅让听者感到语音交流的单调、乏味，同时合成语音也不足以反映出说话人所传达的情感信息，进而导致听者对言语内容理解的偏差。

发明内容

本发明提供一种基于HMM(隐马尔科夫模型，Hidden Markov Model，以下简称HMM)的情感语音合成方法、装置及存储介质，以解决现有技术合成的语音单调、乏味，不足以反映说话人情感信息的问题。

为了实现上述目的，本发明的一个方面是提供一种基于HMM的情感语音合成方法，包括：

提取语料库中训练语音的声学参数；构建HMM；利用所述声学参数训练所述HMM，得到训练后的HMM；通过对待合成文本进行文本分析处理，得到所述待合成文本的上下文属性和标注信息；根据所述上下文属性和标注信息得到相应的状态序列；根据所述状态序列和训练后的HMM生成待合成文本的语音参数；将所述待合成文本的语音参数合成得到目标情感语音。

优选地，对待合成文本进行文本分析处理，包括：对待合成文本进行规范化处理；通过分析经过规范化处理的文本中的特殊符号、韵律短语的读音方式及文本字符的边界，确定文本的结构、组成以及标点符号出现的位置；根据文本的结构、组成以及标点符号出现的位置，确定发音时语气的表达方式，并标注重音位置。

优选地，根据所述上下文属性和标注信息得到相应的状态序列，包括：根据所述上下文属性和标注信息，通过在聚类决策树上进行决策，得到相应的状态序列。

优选地，根据所述状态序列和训练后的HMM生成待合成文本的语音参数，包括：根据所述状态序列得到基元各个状态的持续时长，其中，所述基元包括词、音节、半音节、声韵母和音素；通过训练后的HMM获取基音周期和频谱参数；根据所述持续时长、所述基音周期和所述频谱参数生成语音参数。

优选地，所述训练语音的声学参数包括基频参数，提取语料库中训练语音的基频参数的步骤包括：对待提取的训练语音进行预处理；计算经过预处理之后的训练语音的短时自相关函数，并选取所述短时自相关函数的局部最大点；将出现第一个所述局部最大点的时间点作为所述训练语音的基音周期；通过计算所述基音周期的倒数得到所述训练语音的基频参数。

优选地，所述短时自相关函数通过下式得到：

R_a(k)＝∑x(n)x(n-k)

式中，R_a(k)表示短时自相关函数，n表示时刻，k表示时间的延迟量，x(n)表示语音信号，a表示窗函数是从第a个样点开始加入。

优选地，所述训练语音的声学参数包括短时能量，提取语料库中训练语音的短时能量包括：通过下式得到语音信号的短时能量，