[发明专利]语音处理系统和方法

权利要求书

1.一种训练用于文本转语音系统的声学模型的方法，

所述方法包括：

接收语音数据，

所述语音数据包括对应于第一语音因素的不同值的数据，

并且其中所述语音数据未标记，从而对于语音数据的给定项，所述第一语音因素的值未知；

根据所述第一语音因素的值将所述语音数据聚簇为第一聚类集；以及

估计与该第一聚类集相关的第一参数集以使得所述声学模型能够针对所述第一语音因素的不同值适应语音；

其中所述聚簇和所述第一参数估计根据共同的最大似然性准则联合执行。

2.根据权利要求1的方法，其中所述第一参数集包括依赖于所述第一语音因素的聚类自适应训练权重。

3.根据权利要求1的方法，其中所述第一参数集为依赖于所述第一语音因素的约束似然性线性回归变换。

4.根据权利要求1的方法，其中所述第一语音因素是说话者，并且所述语音数据进一步包括来自以中性语音说话的一个或多个说话者的语音数据。

5.根据权利要求1的方法，其中所述第一语音因素为表达。

6.根据权利要求5的方法，进一步包括：

接收对应于所述已接收语音数据的文本数据；

从所述输入文本提取表达特征，以形成在第一空间中构建的表达语言特征向量；

从所述语音数据提取表达特征并形成在第二空间中构建的表达特征合成向量；以及

训练机器学习算法，所述机器学习算法的训练输入是表达语言特征向量，其训练输出是对应于所述语音数据和所述文本数据的表达特征合成向量。

7.根据权利要求1的方法，其中所述语音数据进一步包括对应于第二语音因素的不同值的数据。

8.根据权利要求7的方法，其中第二语音因素的值未知；

并且，其中所述方法进一步包括：

根据所述第二语音因素的值将所述语音数据聚簇为第二聚类集；以及

估计与该第二聚类集相关的第二参数集以使得所述声学模型能够针对所述第二语音因素的不同值适应语音；

其中所述第一和第二参数集与所述第一和第二聚类集不重叠，并且

其中所述聚簇和所述第二参数估计根据所述第二参数估计和所述聚簇为第二聚类集两者所共同遵循的单个最大似然性准则联合执行。

9.根据权利要求8的方法，其中所述第二参数集包括依赖于所述第二语音因素的聚类自适应训练权重。

10.根据权利要求8的方法，其中所述第二参数集为依赖于所述第二语音因素的约束似然性线性回归变换。

11.根据权利要求4的方法，其中所述语音数据进一步包括对应于第二语音因素的不同值的数据，并且其中训练所述声学模型进一步包括：

根据所述第二语音因素的值将所述语音数据聚簇为第二聚类集；以及

估计与该第二聚类集相关的第二参数集以使得所述声学模型能够针对所述第二语音因素的不同值适应语音；

其中所述聚簇和所述第二参数估计根据所述第二参数估计和所述聚簇为第二聚类集两者所共同遵循的单个最大似然性准则联合执行，

并且其中所述第一和第二参数集与所述第一和第二聚类集不重叠。

12.根据权利要求11的方法，其中所述第二语音因素为表达。

13.根据权利要求1的方法，其中所述声学模型包括将声学单元与语音向量序列相关联的概率分布函数。