[发明专利]高保真的智能客服语音合成方法

权利要求书

1.一种高保真的智能客服语音合成方法，其特征在于，包括如下步骤：

A)录音人员根据设置好的文本进行语音的录制；

B)建立初始语料库；所述初始语料库为变量特征语料库，所述变量特征语料库中至少包含常用字、常用词语、有关钱类的量词以及一到十的语句；

C)利用设定算法对所述初始语料库中录制好的语音进行强制对齐；

D)对强制对齐后的语音进行切割，得到三音子模型；

E)利用所述三音子模型形成处理完好的目标语料库；

F)对于所述目标语料库中切割好的三音子基元计算似然；所述步骤F)进一步包括：

F1)对所述目标语料库中切割好的三音子基元，采用三音子的中间音素将所有的三音子进行划分；

F2)进行强制对齐之后，从左到右扫描所述三音子，得到对应的特征向量；

F3)利用所述三音子对应的所有的特征向量，根据其个数与平方和来计算似然，最终得到状态集的似然；

G)建立三音子决策树；所述步骤G)进一步包括：

G1)在建树的过程中，叶结点的形成过程是根据分裂之后，左右结点的似然度和与分裂前的似然度差值，作为似然度的变化量；

G2)从问题集中选择似然度变化最大的问题；

G3)当似然度变化量小于事先设定的阈值时或分裂后的似然度小于事先设定的阈值时，则停止分裂，认定其为叶子结点；

G4)完成所述目标语料库中所有的三音子基元的聚类，得到最终的三音子决策树；

H)根据所需合成文本，选择合适的三音子基元；

I)对选择好的三音子基元，针对原始语音波形做基音同步标注；

J)对所述原始语音波形的基音曲线与目标基音曲线建立映射，得到短时合成信号序列；

J1)将原始语音信号与一系列基音同步的窗函数相乘，得到相互重叠的短时分析信号；

J2)根据原始语音波形的基音曲线和超音段特征与目标基音曲线和超音段特征修正的要求，建立合成语音波形与原始语音波形之间的基音周期的映射关系，得到合成所需的短时合成信号序列；

K)将所述短时信号序列与目标基音周期同步排列，重叠相加得到拼接合成的语音；

L)将所述合成的语音插入到提前录制好的语音中。

2.根据权利要求1所述的高保真的智能客服语音合成方法，其特征在于，所述设定算法为force-alignment算法。

3.根据权利要求1或2所述的高保真的智能客服语音合成方法，其特征在于，在所述步骤H)中，在向下寻找与目标三音子对应的叶子结点时，如果未找到与其对应的合适的叶子结点，则寻找到似然度提升最大的结点，将其作为同一类，得到与目标三音子最接近的三音子基元。