[发明专利]一种智能语音播报的方法及系统

说明书

本发明提供了一种智能语音播报的方法及系统，所述智能语音播报的方法执行以下步骤：步骤1：获取生成语音，包括待处理文本中的固定句式部分所采用的真人录音和槽位部分所采用的合成语音；步骤2：采用从真人录音与合成语音中提取的特征参数，对生成语音的特征参数进行调整，以提升合成语音与真人录音的一致性；步骤3：对生成语音的整句合成文本做文本分析，以保留上下文韵律信息，提升拼接处的韵律连贯性；步骤4：对真人录音做音效处理，并对真人录音与合成语音进行能量规整，以使真人录音与合成语音之间的能量变化趋于一致水平。此方法分别对合成语音和真人录音进行处理，提升合成语音与真人录音的相似度，以及拼接后的语音的整体一致性。

技术领域

本发明涉及智能语音技术领域，特别涉及一种智能语音播报的方法及系统。

背景技术

在智能外呼等应用场景中，需要接近真人发音的高质量播报音频。目前常用的做法是对播报文本中的固定句式部分采用真人录音，对于文本中需要经常变化的部分(通常称为槽位，例如人名、个人信息等)采用合成语音，然后将真人录音与合成语音做实时拼接。

现有技术方案由于合成系统效果的限制，在音质、音色等方面，合成语音与真人录音差异性较大，从而导致拼接后的语音在听感上很不自然，而且在拼接处存在明显的跳变感，影响产品体验。

发明内容

本发明提供一种智能语音播报的方法及系统，用以提升合成语音与真人录音的相似度，以及拼接后的语音的整体一致性。

本发明提供了一种智能语音播报的方法，所述方法执行以下步骤：

步骤1：获取生成语音，所述生成语音包括待处理文本中的固定句式部分所采用的真人录音和槽位部分所采用的合成语音；

步骤2：采用从所述真人录音与所述合成语音中提取的特征参数，对所述生成语音的特征参数进行调整，以提升所述合成语音与所述真人录音的一致性；

步骤3：对所述生成语音的整句合成文本做文本分析，以保留上下文韵律信息，提升拼接处的韵律连贯性；

步骤4：对所述真人录音做音效处理，并对所述真人录音与所述合成语音进行能量规整，以使所述真人录音与所述合成语音之间的能量变化趋于一致水平。

进一步地，在所述步骤1之前，所述方法还包括采用所述真人录音对所述生成语音的时长模型和声学模型做调整的步骤。

进一步地，在所述步骤2和所述步骤3之间，还包括步骤5：对所述槽位部分的文本进行优化，使得优化的槽位部分的文本包含整个韵律短语信息。

进一步地，在所述步骤3和所述步骤4之间，所述方法还包括步骤6：去除所述真人录音与所述合成语音的拼接处的静音段，以提升拼接处的连贯性。

进一步地，在所述步骤4之后，所述方法还包括步骤7：针对不同类型的槽位文本，动态调整所述槽位部分的合成参数。

进一步地，在所述步骤4之后，所述方法还包括步骤8：针对不同应用场景，在播报语音中添加相应场景的背景音。

本发明实施例提供的一种智能语音播报的方法，具有以下有益效果：分别对合成语音和真人录音进行处理，提升合成语音与真人录音的相似度，以及拼接后的语音的整体一致性。

本发明还提供一种智能语音播报的系统，包括：

获取模块，用于获取生成语音，所述生成语音包括待处理文本中的固定句式部分所采用的真人录音和槽位部分所采用的合成语音；

调整模块，用于采用所述真人录音与合成语音的特征参数，对所述生成语音的特征参数进行调整，以提升所述生成语音的一致性；

文本分析模块，用于对所述生成语音的整句合成文本做文本分析，以保留上下文韵律信息，提升拼接处的韵律连贯性；