[发明专利]一种基于多任务多层级模型的文本韵律预测方法

权利要求书

1.一种基于多任务多层级模型的文本韵律预测方法，其特征在于，包括有以下步骤：

步骤101：获取预测文本；文本为训练文本，具体包括文本长度裁剪、非法字符及标点符号纠正；在韵律声学中，将句号、问号、感叹号和逗号作为语调短语边界，随机去除文本中能对文本韵律形成长停顿的标点符号，该标点符号包括逗号、句号、感叹号、问号及分号，将标点符号位置视为语调短语级别边界点，并将此类文本作为扩充文本和训练数据；步骤101还包括多段短文本的拼接，用来作为韵律文本训练扩充数据；

步骤102：对待预测文本针对字表，进行字符级编码，文本中的部分单词不在字表中的单词使用UNK进行替换匹配，提高字表的覆盖度；

步骤103：使用多任务模型进行序列预测，分别得到文本中的句子的韵律词级L1、韵律短语级L2、语调短语级L3的各个标签的概率分布；具体为：对标签进行编码，由于韵律词级L1、韵律短语级L2和语调短语级L3在语言结构层级上差别较大，文本分别按L1、L2、L3进行编码转换，将L2、L3边界视为L1边界，将L3边界视为L2边界，将各自边界的前一字符、中间字符、后一字符分别用B、O、E进行替换编码，当字符同时为两边界的前后字符时，用S表示，得到编码特征，用于模型训练；

步骤104：判断文本中的句子是否存在长句无L2，L3的情况，若有一个长句存在，则采用择优机制，进行二次选择，生成韵律边界B标签；所述择优机制具体为：当L2层输出概率矩阵计算argmax后，全部是O标签，即长句中无韵律短语边界，只含韵律词边界，此情况会导致合成语音没有停顿感，显得连续而急促；那么从Ｂ标签做切片，得到所有字中B标签的概率大小，并选择最大概率位置，作为B标签位置；

步骤105：合并L1、L2、L3的输出结果，其中边界位置重叠，按L3、L2、L1的优先级进行选择合并，返回输出结果。