【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及語音合成領(lǐng)域，特指一種語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注方法及系統(tǒng)。
技術(shù)介紹
語音合成是指將輸入的文本信息轉(zhuǎn)化為聲音的系統(tǒng)，語音合成系統(tǒng)分為兩個(gè)模塊，前端處理模塊和后端模塊。在前端中對文本進(jìn)行分析，輸出帶有發(fā)音以及分詞、詞性等和韻律停頓相關(guān)的信息。后端模塊利用前端模塊的的輸出信息和原始語音提出的特征，分別訓(xùn)練倒譜參數(shù)模型，基頻參數(shù)模型和時(shí)長參數(shù)模型。參數(shù)語音合成系統(tǒng)的優(yōu)勢是模型小、方便合成定制、利于離線實(shí)現(xiàn)的場景。參數(shù)語音合成系統(tǒng)通常是基于標(biāo)準(zhǔn)語音數(shù)據(jù)庫，數(shù)據(jù)庫中包含語音文件和相應(yīng)的標(biāo)注信息文件。標(biāo)注信息分為三類，發(fā)音信息，韻律信息，時(shí)長切分信息。這些信息需要專業(yè)的標(biāo)注人員通過人工聽語音進(jìn)行判斷標(biāo)注，尤其是時(shí)長切分信息，時(shí)長映射信息的標(biāo)注包括語音中停頓的判斷和音素與語音時(shí)間的映射關(guān)系。若數(shù)據(jù)庫中的數(shù)據(jù)量龐大，這樣靠人工聽進(jìn)行停頓的標(biāo)注一方面使得數(shù)據(jù)庫建立的周期長，且成本高，經(jīng)濟(jì)效益較差。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于克服現(xiàn)有技術(shù)的缺陷，提供一種語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注方法及系統(tǒng)，解決現(xiàn)有技術(shù)中靠人工聽來標(biāo)注停頓的方法存在的周期長、成本高、且經(jīng)濟(jì)效益差的問題。實(shí)現(xiàn)上述目的的技術(shù)方案是：本專利技術(shù)一種語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注方法，包括：獲取語音合成數(shù)據(jù)庫中待標(biāo)注的語音數(shù)據(jù)；將所述語音數(shù)據(jù)轉(zhuǎn)化為語音特征幀序列并判斷所述語音特征幀序列中的停...
【技術(shù)保護(hù)點(diǎn)】
一種語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注方法，其特征在于，包括：獲取語音合成數(shù)據(jù)庫中待標(biāo)注的語音數(shù)據(jù)；將所述語音數(shù)據(jù)轉(zhuǎn)化為語音特征幀序列并判斷所述語音特征幀序列中的停頓信息，形成停頓信息的預(yù)測位置；從語音合成數(shù)據(jù)庫中獲取與所述語音數(shù)據(jù)對應(yīng)的文本數(shù)據(jù)；利用自動(dòng)切分對齊方法計(jì)算所述語音數(shù)據(jù)和所述文本數(shù)據(jù)在時(shí)間軸上的映射關(guān)系；基于所述映射關(guān)系將所述停頓信息插入到所述文本數(shù)據(jù)中以形成標(biāo)注文本信息；以及利用自動(dòng)切分對齊方法計(jì)算所述語音數(shù)據(jù)和所述標(biāo)注文本信息在時(shí)間軸上的映射關(guān)系。
【技術(shù)特征摘要】 【專利技術(shù)屬性】
1.一種語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注方法，其特征在于，包括：
獲取語音合成數(shù)據(jù)庫中待標(biāo)注的語音數(shù)據(jù)；
將所述語音數(shù)據(jù)轉(zhuǎn)化為語音特征幀序列并判斷所述語音特征幀序列
中的停頓信息，形成停頓信息的預(yù)測位置；
從語音合成數(shù)據(jù)庫中獲取與所述語音數(shù)據(jù)對應(yīng)的文本數(shù)據(jù)；
利用自動(dòng)切分對齊方法計(jì)算所述語音數(shù)據(jù)和所述文本數(shù)據(jù)在時(shí)間軸
上的映射關(guān)系；
基于所述映射關(guān)系將所述停頓信息插入到所述文本數(shù)據(jù)中以形成標(biāo)
注文本信息；以及
利用自動(dòng)切分對齊方法計(jì)算所述語音數(shù)據(jù)和所述標(biāo)注文本信息在時(shí)
間軸上的映射關(guān)系。
2.如權(quán)利要求1所述的語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注方法，其
特征在于，將所述語音數(shù)據(jù)轉(zhuǎn)化為語音特征幀序列并判斷所述語音特征幀
序列中的停頓信息，形成停頓信息的預(yù)測位置，包括：
以設(shè)定的幀長和幀移對所述語音數(shù)據(jù)進(jìn)行分幀處理，獲得對應(yīng)的語音
特征幀序列；
計(jì)算所述語音特征幀序列中每一語音特征幀的能量值，形成對應(yīng)所述
語音特征幀序列的語音特征幀能量序列；
平滑所述語音特征幀能量序列，設(shè)定能量閾值，判斷得出所述語音特
征幀能量序列中低于所述能量閾值的能量值的起始幀和結(jié)束幀，形成預(yù)判
的停頓片段；
設(shè)定停頓時(shí)長，比較所述預(yù)判的停頓片段與所述停頓時(shí)長的大小，若
所述預(yù)判的停頓片段大于所述停頓時(shí)長，則判斷所述預(yù)判的停頓片段為停
頓信息。
3.如權(quán)利要求1所述的語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注方法，其
特征在于，利用自動(dòng)切分對齊方法計(jì)算所述語音數(shù)據(jù)和所述文本數(shù)據(jù)在時(shí)
間軸上的映射關(guān)系，包括：
提取所述語音合成數(shù)據(jù)庫中多條語音數(shù)據(jù)的頻譜特征參數(shù)；
利用所提取的頻譜特征參數(shù)和與多條語音數(shù)據(jù)對應(yīng)的文本數(shù)據(jù)迭代
訓(xùn)練頻譜特征聲學(xué)模型；
計(jì)算對應(yīng)待標(biāo)注的語音數(shù)據(jù)的語音頻譜特征參數(shù)和所述頻譜特征聲
學(xué)模型之間的相似度，以找到與待標(biāo)注的語音數(shù)據(jù)對應(yīng)的所述文本數(shù)據(jù)中
的音素序列的切分路徑。
4.如權(quán)利要求3所述的語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注方法，其
特征在于，基于所述映射關(guān)系將所述停頓信息插入到所述文本數(shù)據(jù)中以形
成標(biāo)注文本信息，包括：
根據(jù)所述音素序列的切分路徑在時(shí)間軸上的位置信息，將所述停頓信
息按照時(shí)間軸的順序插入相應(yīng)的音素間。
5.如權(quán)利要求1所述的語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注方法，其
特征在于，還包括：對所形成的標(biāo)注文本信息進(jìn)行糾錯(cuò)處理，所述糾錯(cuò)處
理包括：
遍歷所述標(biāo)注文本信息，查找所述標(biāo)注文本信息中相鄰的聲母音素和
韻母音素間是否存有停頓信息，若存有停頓信息，則刪除所述停頓信息。
6.一種語音合成數(shù)據(jù)庫停頓信息自動(dòng)標(biāo)注系統(tǒng)，其特征在于，包括：
語音獲取單元，與語音合成數(shù)據(jù)庫連接，用于從所述語音合成數(shù)據(jù)庫
中讀取待標(biāo)注的語音數(shù)據(jù)；
停頓預(yù)測單元，與所述語音獲取單元連接，用于將所述語音獲取單元
讀取的語音數(shù)據(jù)轉(zhuǎn)化為語音特征幀序列并判斷得出所述語音特征幀序列
技術(shù)研發(fā)人員：劉青松，許東星，王鳴，黃盼，
申請(專利權(quán))人：上海語知義信息技術(shù)有限公司，
類型：發(fā)明
國別省市：上海;31
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。