[发明专利]语音合成系统、方法及非暂态计算机可读取媒体

说明书

一种语音合成系统、方法及非暂态计算机可读取媒体。语音合成系统包含操作界面、储存单元以及处理器。操作界面提供多个语言选项以供使用者选择输出语言选项。储存单元储存多个声学模型，每一声学模型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。处理器接收一文本文件，根据文本文件、输出语言选项所对应的声学模型和一语音合成器，产生对应特定人声的输出语音数据。语音合成系统可达成以使用者的声音输入中文语句，而系统以使用者的声音输出意义正确的英语语句的转换功能。

技术领域

本案涉及一种电子系统、操作方法及非暂态计算机可读取媒体。详细而言，本案涉及一种转换及/或合成特定人声的系统、方法及非暂态计算机可读取媒体。

背景技术

在全球化趋势下，文化交流及影音娱乐系统需要能够适应多语(Multilingualism)环境。例如：服务型机器人、说故事装置、影音媒体中的虚拟人物、或者电影/多媒体影片配音当中的角色，皆可能需要以特定声音发出不同种类语言的声音，例如中文、英语、日语…等，甚至有时会需要多种语言夹杂播放的声音，例如中英夹杂的语音，而这些服务型机器人、说故事装置和虚拟人物等，需要多语言的文字转语音引擎(TTS)以进行合成语音。

然而，大多数的声优或配音员，仅能够对一种语言进行配音或是录制单一种语言的语料来产生多种语言文字的文字转语音引擎，从而执行合成语音。能够进行多种语言的配音或是语料录制的声优相当稀少，使得有需要特定声音发出多种语言的产品难以产出或客制化。

发明内容

为了解决前述问题，本案提供以下的系统、方法以及非暂态计算机可读取媒体。

本案的一面向涉及一种语音合成系统。该语音合成系统包含一操作界面、一储存单元以及一处理器，该处理器通讯耦接于该操作界面以及该储存单元。该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。该储存单元，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。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中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。

本案的另一面向涉及一种语音合成方法。该语音合成方法包含：接收由一使用者于多个语言选项中选择的一输出语言选项；自一储存单元存取多个声学模型，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；接收一文本文件；以及根据该文本文件、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。

本案的又一面向涉及一种非暂态计算机可读取媒体，包含至少一计算机可执行指令，当该至少一计算机可执行指令由一处理器执行时实施多个步骤，该些步骤包含：接收由一使用者于多个语言选项中选择的一输出语言选项；自一储存单元存取多个声学模型，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；接收一文本文件；以及根据该文本文件、该输出语言选项所对应的该多个声学模型中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。

如本揭示文件所述，处理器可存取第二声学模型(对应英语)，并执行语音合成器，使语音合成器可套用第二声学模型输出文本文件(例如：The house is on fire)的内容。应注意的是，语音合成器套用第二声学模型所输出的语音数据是对应于使用者的声音。亦即，语音合成系统可达成以使用者的声音输入中文语句，而系统以使用者的声音输出意义正确的英语语句的转换功能。基本上，应用本案的语音合成系统时，声优可以仅录制一种语言的语料，语音合成系统可对应地输出以该声优声音转换而成的其他不同语言种类的语音。

应注意的是，前述的发明内容以及后述的实施方式皆仅是举例说明而已，其主要目的是为详细地解释本案申请专利范围当中的内容。

附图说明