[发明专利]一种语音合成方法、装置、电子设备及存储介质

权利要求书

1.一种语音合成方法，其特征在于，包括：

通过语音识别系统对采集的声音进行识别获得第一识别文本，并将所述采集的声音和所述第一识别文本构成样本数据；

根据所述样本数据对初始语音合成系统进行校准；

将待合成文本输入校准完成的语音合成系统获得合成语音信号。

2.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据对初始语音合成系统进行校准，包括：

根据所述样本数据对所述初始语音合成系统进行训练；

将所述第一识别文本输入训练完成的语音合成系统获得合成的声音；

根据所述合成的声音对所述训练完成的语音合成系统进行校准。

3.根据权利要求2所述的方法，其特征在于，所述根据所述合成的声音对所述训练完成的语音合成系统进行校准，包括：

通过所述语音识别系统对所述合成的声音进行识别获得第二识别文本；

将所述第二识别文本与所述第一识别文本进行对比，确定所述第二识别文本的准确率；

根据所述准确率对所述训练完成的语音合成系统进行校准。

4.根据权利要求3所述的方法，其特征在于，所述第一识别文本和所述第二识别文本中所包含的文本数量至少为两个；

所述将所述第二识别文本与所述第一识别文本进行对比，确定所述第二识别文本的准确率，包括：

将所述第二识别文本中的每个文本与所述第一识别文本中所对应的文本分别进行对比，确定所述第二识别文本中每个文本的分数；

当所述第二识别文本中每个文本的分数大于分数阈值时，则确定所述文本识别准确；

计算所述第二识别文本中识别准确的文本数量，根据所述识别准确的文本数量确定所述第二识别文本的准确率。

5.根据权利要求4所述的方法，其特征在于，所述根据所述准确率对所述训练完成的语音合成系统进行校准，包括：

判断所述准确率是否大于准确率阈值，若是则确定所述语音合成系统校准完成，

否则，删除所述第一识别文本中相对于所述第二识别文本中文本距离相差最大的指定数量的文本，从所述采集的声音中确定出与删除后的第一识别文本所匹配的声音，根据所述删除后的第一识别文本和所述匹配的声音对所述训练完成的语音合成系统继续进行训练，直到达到所述准确率阈值或达到预设训练次数。

6.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据对初始语音合成系统进行校准之前，还包括：

获取标准样本，其中，所述标准样本中包含经过核对匹配的标准声音和标准文本；

根据所述标准样本获取所述初始语音合成系统。

7.根据权利要求6所述的方法，其特征在于，所述标准声音所对应的发音者与所述采集的声音所对应的发音者不相同。

8.根据权利要求1-7任一项所述的方法，其特征在于，所述通过语音识别系统对采集的声音进行识别获得第一识别文本之前，还包括：

获取原始声音；

对所述原始声音进行预处理获得所述采集的声音。

9.一种语音合成装置，其特征在于，包括：

样本数据获取模块，用于通过语音识别系统对采集的声音进行识别获得第一识别文本，并将所述采集的声音和所述第一识别文本构成样本数据；

校准模块，用于根据所述样本数据对初始语音合成系统进行校准；

语音合成模块，用于将待合成文本输入校准完成的语音合成系统获得合成语音信号。

10.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8任一所述的方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8任一所述的方法。