[发明专利]语音合成方法、装置及电子设备

权利要求书

1.一种语音合成方法，其特征在于，包括：

获取目标对象针对第一合成语音的反馈数据；

利用情绪识别模型对所述反馈数据进行情绪识别，以判断所述目标对象是否存在针对所述第一合成语音的异常情绪；所述利用情绪识别模型对所述反馈数据进行情绪识别，包括：将包含用户声音的反馈数据输入到所述情绪识别模型中；利用所述情绪识别模型中的分类器对所述反馈数据进行分类处理；基于所述分类处理的结果，对目标对象是否存在异常情绪进行判断；

当所述目标对象存在针对所述第一合成语音的异常情绪时，利用纠错模块对所述第一合成语音进行纠错处理，以得到第二合成语音；

向所述目标对象播放所述第二合成语音。

2.根据权利要求1所述的方法，其特征在于，所述获取目标对象针对第一合成语音的反馈数据，包括：

在播放完所述第一合成语音之后，采集目标对象针对所述第一合成语音的响应语音；

基于所述响应语音，形成针对第一合成语音的反馈数据。

3.根据权利要求2所述的方法，其特征在于：

所述反馈数据中包括针对所述第一合成语音的反馈语义，基于所述反馈语义能够对所述第一合成语音执行纠错操作。

4.根据权利要求1所述的方法，其特征在于，所述利用纠错模块对所述第一合成语音进行纠错处理，包括：

获取所述第一合成语音对应的输入文本；

对所述输入文本进行分词处理，得到分词集合；

将分词集合输入n-gram语言模型，得到每个字/词的概率；

基于每个字/词的概率，确定所述第一合成语音对应的输入文本的流畅度；

当所述流畅度低于预设阈值时，对所述第一合成语音对应的输入文本进行纠错处理。

5.根据权利要求4所述的方法，其特征在于，所述当所述流畅度低于预设阈值时，对所述第一合成语音对应的输入文本进行纠错处理，包括：

利用已训练充分的双向GRU将文本序列信息嵌入到特征向量中；

对分词后的字/词预测输出向量，基于所述输出向量，对经过语言模型后的字/词特征概率进行二分类，以便于基于二分类的结果对错误的字/词进行标注。

6.根据权利要求5所述的方法，其特征在于，所述当所述流畅度低于预设阈值时，对所述第一合成语音对应的输入文本进行纠错处理，还包括：

获取待纠错字/词以及词表搭配的拼音；

根据错误字/词的索引信息获取错误字/词的前一个词，并查询搭配表得到备选词集，所述备选词集中包含空值的备选词；

对错误字/词的拼音和备选词集合中的每个字/词的拼音求最长公共字串和编辑距离的加权分数，并设定相应阈值，选出超过阈值的前几个字/词进行备选；

基于选出的备选字/词，对所述第一合成语音对应的输入文本进行纠错处理。

7.根据权利要求6所述的方法，其特征在于，所述基于选出的备选字/词，对所述第一合成语音对应的输入文本进行纠错处理，包括：

将备选字/词和原错误字/词一起输入到n-gram模型中，分别检测各个新句子的流畅度，计算得分并进行比较，选取最终分数最高的备选字/词作为该位置的输出字/词。

8.根据权利要求7所述的方法，其特征在于，所述基于选出的备选字/词，对所述第一合成语音对应的输入文本进行纠错处理，还包括：

从第一合成语音中去除错误字/词所在音段；

使用基于数据库的音频拼接合成方法对最终分数最高的备选字/词音频进行插入处理；

对插入后的第一合成语音执行合并处理。

9.根据权利要求1所述的方法，其特征在于，所述获取目标对象针对第一合成语音的反馈数据之前，所述方法还包括：

利用端对端TTS模型及输入文本，生成所述第一合成语音。