[发明专利]音频数据的生成方法、装置、服务器和智能音箱

权利要求书

1.一种音频数据的生成方法，包括：

获取目标文本，并对所述目标文本进行预处理，得到预处理后的目标文本，其中，所述预处理后的目标文本至少携带有标签信息；

确定所述预处理后的目标文本中是否存在与预设的韵律短语缓存匹配的第一文本数据；其中，所述预设的韵律短语缓存中保存有多个预设韵律短语；

在确定所述预处理后的目标文本中存在第一文本数据和第二文本数据的情况下，将所述预处理后的目标文本拆分成第一文本数据和第二文本数据；其中，所述第二文本数据包括预处理后的目标文本中与预设的韵律短语缓存不匹配的文本数据；

从所述预设的音频数据缓存中检索到与所述第一文本数据匹配的预设音频数据作为第一音频数据，其中，所述预设的音频数据缓存中保存有与预设韵律短语对应的预设音频数据；根据所述第二文本数据，合成对应的音频数据作为第二音频数据；

拼接所述第一音频数据和所述第二音频数据，得到目标文本的音频数据。

2.根据权利要求1所述的方法，所述标签信息包括以下至少之一：韵律短语标记、音素信息标记、停顿标记、轻重音标记。

3.根据权利要求2所述的方法，确定所述预处理后的目标文本中是否存在与预设的韵律短语缓存匹配的第一文本数据，包括：

根据所述标签信息，将所述预处理后的目标文本拆分成多个目标韵律短语；

计算所述多个目标韵律短语与所述预设的韵律短语缓存中的预设韵律短语之间的近似度；

根据所述近似度，确定所述预处理后的目标文本中是否存在与预设的韵律短语缓存匹配的第一文本数据。

4.根据权利要求3所述的方法，根据所述近似度，确定所述预处理后的目标文本中是否存在与预设的韵律短语缓存匹配的第一文本数据，包括：

通过比较所述近似度和预设的近似度阈值，确定所述多个目标韵律短语中是否存在目标韵律短语与预设的韵律短语缓存中的预设韵律短语的近似度符合预设要求；

在确定所述多个目标韵律短语中存在目标韵律短语与预设的韵律短语缓存中的预设韵律短语的近似度符合预设要求的情况下，确定所述预处理后的目标文本中存在目标韵律短语与预设的韵律短语缓存匹配，并将所述多个目标韵律短语中与预设的韵律短语缓存匹配的目标韵律短语，确定为所述第一文本数据。

5.根据权利要求1所述的方法，所述多个预设韵律短语包括在第一预设时间段内出现频率大于预设的频率阈值的韵律短语。

6.根据权利要求5所述的方法，所述预设的韵律短语缓存按照以下方式生成：

获取第一语音合成记录，其中，所述第一语音合成记录中记录了在第一预设时间段内合成的历史音频数据，以及与所述历史音频数据对应的历史文本数据；

从所述历史文本数据中提取出多个历史韵律短语；

根据所述第一语音合成记录，统计所述多个历史韵律短语在第一预设时间段内合成历史音频数据过程中的出现频率；

将出现频率大于预设的频率阈值的历史韵律短语，确定为预设韵律短语，并缓存所述预设韵律短语，得到所述预设的韵律短语缓存。

7.根据权利要求6所述的方法，从所述历史文本数据中提取出多个历史韵律短语，包括：

从所述历史文本数据中提取出多个语句文本数据；

对所述多个语句文本数据进行分词处理，得到多个分词；

对所述多个分词分别进行韵律预测，得到多个分词的韵律预测结果；

根据韵律预测结果，和所述多个分词，构建出多个历史韵律短语。

8.根据权利要求1所述的方法，所述预设的音频数据缓存按照以下方式获取：

获取所述预设的韵律短语缓存中所保存的多个预设韵律短语；

利用预设的语音生成模型，生成并缓存与所述多个预设韵律短语分别对应的多个预设音频数据，以获得所述预设的音频数据缓存。

9.根据权利要求8所述的方法，所述预设的语音生成模型包括：基于tacotron的端到端模型。