[发明专利]语音合成语料库的构建方法、装置及设备

说明书

本发明实施例提供的语音合成语料库的构建方法、装置及设备，通过对干声语音进行语音处理，得到干声语音对应的纯净语音；将纯净语音识别为文本后，将纯净语音和文本输入至韵律转换工具中，获取纯净语音的韵律信息，将纯净语音和韵律信息作为训练语料，加入语料库中。由于干声语音获取成本较低，且可以在短时间内大量获得，降低了构建语料库的时间成本和人力成本；通过采用韵律转换工具对纯净语音和文本进行韵律转换，得到纯净语音对应的韵律信息，从而无需人工标注过程，进一步降低了构建语料库的时间成本和人力成本。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种语音合成语料库的构建方法、装置及设备。

背景技术

语音合成技术，又称文语转换(Text to Speech，TTS)技术，用于将文本信息转换为语音信息。

目前，基于统计参数的语音合成技术在训练阶段普遍采用人工标注的语料库进行建模。其中，语料库的构建过程主要包含下述两个步骤：(1)由专业的发音人员在专业录音棚中根据预设文本进行纯净语音的录制，得到预设文本对应的纯净语音；(2)由专业标注人员根据预设文本和纯净语音进行人工标注，得到该纯净语音对应的韵律信息，其中，韵律信息包括：音子边界信息、音调信息、停顿信息等。

然而，上述语料库的构建过程需要专业的发音人员、专业的录音棚，并需要专业的标注人员对纯净语音进行人工标注，导致语料库的构建过程需要花费大量的人力成本和时间成本。

发明内容

本发明实施例提供一种语音合成语料库的构建方法、装置及设备，用以降低语料库构建过程的人力成本和时间成本。

第一方面，本发明实施例提供一种语音合成语料库的构建方法，包括：

对干声语音进行语音处理，得到所述干声语音对应的纯净语音；

对所述纯净语音进行语音识别，得到所述纯净语音对应的文本；

将所述纯净语音和所述文本输入至韵律转换工具中，获取所述韵律转换工具输出的韵律信息，所述韵律信息包括：停顿信息、音调信息、各音子的边界信息；

将所述纯净语音和所述韵律信息作为训练语料，加入所述语料库中。

可选的，所述将所述纯净语音和所述韵律信息作为训练语料，加入所述语料库中之前，所述方法还包括：

对所述纯净语音进行静音探测，得到静音探测结果，所述静音探测结果用于指示所述纯净语音中的静音的位置及时长信息；

根据所述静音探测结果，对所述韵律信息中的各音子的边界信息进行修正。

可选的，所述根据所述静音探测结果，对所述韵律信息中的各音子的边界信息进行修正，包括：

根据所述静音探测结果，确定所述纯净语音对应的句首静音时长和句尾静音时长；

若所述韵律信息中句首静音音子的边界信息与所述句首静音时长不匹配，则根据所述句首静音时长，对所述句首静音音子以及相邻音子的边界信息进行修正；

若所述韵律信息中句尾静音音子的边界信息与所述句尾静音时长不匹配，则根据所述句尾静音时长，对所述句尾静音音子以及相邻音子的边界信息进行修正。

可选的，所述根据所述静音探测结果，对所述韵律信息中的各音子的边界信息进行修正，包括：

针对所述韵律信息中的每个句中音子，根据所述句中音子的边界信息，确定所述句中音子的发音时长；

若所述句中音子的发音时长大于或者等于第一预设阈值，则根据所述静音探测结果，确定出静音音子的边界信息，并在所述韵律信息中与所述句中音子相邻的位置插入所述静音音子的边界信息，并对所述句中音子的边界信息进行修正。