[发明专利]语音合成系统、方法及非暂态计算机可读取媒体

权利要求书

1.一种语音合成系统，其特征在于，包含：

一操作界面，提供多个语言选项以供一使用者选择其中之一作为一输出语言选项；

一储存单元，储存多个声学模型，其中每一声学模型是分别对应该多个语言选项的其中之一，且每一声学模型包含对应一特定人声的多个音素标签；以及

一处理器，通讯耦接于该操作界面及该储存单元，其中该处理器用以执行以下步骤：

接收一文本文件，根据该文本文件、该输出语言选项所对应的该多个声学模型的其中之一和一语音合成器，产生对应该特定人声的一输出语音数据。

2.根据权利要求1所述的语音合成系统，其特征在于，该操作界面还包含用以提供该使用者选择该多个语言选项的其中之一作为一输入语言选项，且该输入语言选项和该输出语言选项对应于不同语言，且该语音合成系统还包含：

一语音接收界面，用以接收对应该输入语言选项的一输入语音数据；

一转换器，将该输入语音数据转换成对应该输入语言选项的一输入文字；以及

一翻译器，将该输入文字翻译成对应该输出语言选项的一输出文字，以作为该文本文件。

3.根据权利要求1所述的语音合成系统，其特征在于，该储存单元更储存：

一外部声学模型，该外部声学模型是对应该多个语言选项且对应一外部人声，该外部声学模型包含有对应该外部人声的多个外部音素标签，

该多个声学模型至少包含一第一声学模型和一第二声学模型，该第一声学模型是对应一第一语言选项且包含有对应的多个第一音素标签，该第二声学模型是对应一第二语言选项且包含有对应的多个第二音素标签，

该第二声学模型对应的该多个第二音素标签是经由该第一声学模型对应的该多个第一音素标签和该外部声学模型对应的该多个外部音素标签而产生。

4.根据权利要求3所述的语音合成系统，其特征在于，该储存单元更储存对应该第一声学模型的多个训练语料，第一声学模型对应的该多个第一音素标签产生的步骤如下：

对该第一声学模型对应的该多个训练语料进行一文脉分析、一频谱分析以及一发音特征分析，以产生该第一声学模型的该多个第一音素标签；

搜寻该外部语言声学模型对应的该多个外部音素标签中匹配于该第一声学模型的该多个第一音素标签；以及

建立该第一声学模型的该多个第一音素标签和该外部声学模型的该多个外部音素标签之间的一映射关系。

5.根据权利要求4所述的语音合成系统，其特征在于，其中该文脉分析是用以计算每一个音素于该多个训练语料中分别于一单字、一字词、多个字词组及一单句中的一相对位置。

6.根据权利要求5所述的语音合成系统，其特征在于，其中该频谱分析是用以计算该多个训练语料于该单字、该字词、该多个字词组及该单句中的该相对位置时对应至一频域中的一数值。

7.根据权利要求6所述的语音合成系统，其特征在于，其中该发音特征分析是用以根据每一个音素的该数值计算出对应的多个发音特征值。

8.根据权利要求7所述的语音合成系统，其特征在于，其中通过一音素分类器将该第一声学模型的每一个音素对应的该数值的该多个发音特征值和该外部声学模型的每一个音素对应的该数值的该多个发音特征值进行分类，以将近似的该多个发音特征值归于同一群组，进而建立该映射关系。

9.根据权利要求1所述的语音合成系统，其特征在于，该操作界面还包含用以提供该使用者选择该多个语言选项的其中之一作为一输入语言选项，且该输入语言选项和该输出语言选项是为不同语言选项，且该语音合成系统还包含有：

一语音接收界面，用以接收一影像文件，其中该影像文件包含对应该输入语言选项的一影像语音数据，以及对应该输出语言选项的一字幕数据，

其中该处理器更用以将该字幕数据作为该文本文件，且以该输出语音数据取代该影像语音数据。