[发明专利]半监督的音素强制对齐模型建立方法及系统

摘要

本发明提出一种半监督的音素强制对齐模型建立方法及系统，属于语音合成领域。本发明解决了目前强制对齐方法存在对齐偏差较大，而对齐偏差会影响后端模型语音合成的效果，造成合成语音不够自然、连贯的问题，其技术方案要点为：方法包括：首先，获取模型训练数据；其次，提取原始语音样本MFCC特征；然后，单音素GMM模型训练，获取初步音素对齐状态序列；最后，三音素GMM模型训练，通过引入有监督项来对GMM模型参数进行估计更新，确定模型参数，获取对应的三音素GMM模型，得到目标音素强制对齐模型。系统包括数据获取模块、音素转化模块、特征提取模块、训练模块、对齐预测模块及模型建立模块。本发明的有益效果是：能够提高语音数据利用率及对齐准确率。

主权项

1.半监督的音素强制对齐模型建立方法，其特征在于，包括如下步骤：步骤1、获取训练数据，所述训练数据包括原始语音样本集和对应的文本标注样本集，其中原始语音样本集包括有对齐标记的语音样本和待对齐的语音样本；步骤2、根据音素字典将所述文本标注样本集中的文本标注样本生成音素标注样本；步骤3、将所述原始语音样本进行分帧，然后提取每一帧语音样本的MFCC特征序列；步骤4、通过有对齐标记的语音样本对应的特征序列对所述音素强制对齐模型中的单音素GMM参数进行初始化，将所述MFCC特征序列和对应的音素标注样本作为声学特征输入单音素GMM训练，输出对应的初步音素对齐状态序列；步骤5、通过所述初步音素对齐状态序列初始化音素强制对齐模型中的三音素GMM，将所述MFCC及其补充特征输入三音素GMM进行训练，输出对应的预测音素对齐状态序列；步骤6、通过在模型参数估计过程中引入有监督项来对GMM模型参数进行更新，确定所述三音素GMM模型的参数，获取对应的三音素GMM模型，得到目标音素强制对齐模型，其中音素强制对齐模型包括单音素GMM和三音素GMM两个子模型。