[发明专利]多种语言文本语音合成方法

权利要求书

1.一种多种语言文本语音合成方法，其特征在于，包括：

接收第一学习数据的步骤，上述第一学习数据包含第一语言的学习文本及与上述第一语言的学习文本相对应的第一语言的学习语音数据；

接收第二学习数据的步骤，上述第二学习数据包含第二语言的学习文本及与上述第二语言的学习文本相对应的第二语言的学习语音数据；以及

基于上述第一学习数据及上述第二学习数据学习上述第一语言的音素与上述第二语言的音素之间的相似信息来生成单一人工神经网络文本语音合成模型的步骤。

2.根据权利要求1所述的多种语言文本语音合成方法，其特征在于，还包括：

接收与上述第一语言有关的说话人员的发声特征的步骤；

接收第二语言的输入文本的步骤；以及

通过向上述单一人工神经网络文本语音合成模型输入上述第二语言的输入文本及与上述第一语言有关的说话人员的发声特征来生成模仿上述说话人员的语音的与上述第二语言的输入文本有关的输出语音数据的步骤。

3.根据权利要求2所述的多种语言文本语音合成方法，其特征在于，与上述第一语言有关的说话人员的发声特征通过从上述说话人员以第一语言发声的语音数据提取特征向量来生成。

4.根据权利要求2所述的多种语言文本语音合成方法，其特征在于，还包括：

接收感情特征的步骤；以及

通过向上述单一人工神经网络文本语音合成模型输入上述第二语言的输入文本、与上述第一语言有关的说话人员的发声特征及上述感情特征来生成模仿上述说话人员的语音的与上述第二语言的输入文本有关的输出语音数据的步骤。

5.根据权利要求2所述的多种语言文本语音合成方法，其特征在于，还包括：

接收韵律特征的步骤；以及

通过向上述单一人工神经网络文本语音合成模型输入上述第二语言的输入文本、与上述第一语言有关的说话人员的发声特征及上述韵律特征来生成模仿上述说话人员的语音的与上述第二语言的输入文本有关的输出语音数据的步骤。

6.根据权利要求5所述的多种语言文本语音合成方法，其特征在于，上述韵律特征包含与发声速度有关的信息、与发音重音有关的信息、与音高有关的信息以及与停顿区间有关的信息中的至少一个。

7.根据权利要求1所述的多种语言文本语音合成方法，其特征在于，还包括：

接收第一语言的输入语音的步骤；

通过从上述第一语言的输入语音提取特征向量来生成与第一语言有关的说话人员的发声特征的步骤；

将上述第一语言的输入语音转换成第一语言的输入文本的步骤；

将上述第一语言的输入文本转换成第二语言的输入文本的步骤；以及

通过向上述单一人工神经网络文本语音合成模型输入上述第二语言的输入文本及与上述第一语言有关的说话人员的发声特征来生成模仿上述说话人员的语音的与上述第二语言的输入文本有关的第二语言的输出语音数据的步骤。

8.根据权利要求1所述的多种语言文本语音合成方法，其特征在于，使用字音转换算法将上述第一语言的学习文本及上述第二语言的学习文本转换成音素序列。

9.根据权利要求1所述的多种语言文本语音合成方法，其特征在于，上述单一人工神经网络文本语音合成模型以不输入与上述第一语言的音素与上述第二语言的音素之间的发音及标记中的至少一个有关的相似信息的方式生成。

10.一种计算机可读存储介质，其特征在于，记录有包含指令的程序，上述指令用于执行权利要求1所述的多种语言文本语音合成方法的各个步骤。