[发明专利]一种语音合成播报方法及装置

权利要求书

1.一种语音合成播报方法，其特征在于,包括如下步骤：

S1. 对待合成文本进行文本处理，获取文本对应的语言特征；

S2. 调用存储的神经网络模型，根据所述的神经网络模型预测文本信息对应的声学参数；

S3. 将所述声学参数进行语音合成，输出合成的语音文件；

S4. 播放所述合成的音频文件。

2.如权利要求1所述的语音合成播报方法，其特征在于，所述S1步骤中，文本处理具体包括以下步骤：

S11. 对待合成文本，过滤掉其中的特殊符号；

S12. 对待合成文本进行阿拉伯数字处理、发音符号处理、英文字符处理；

S13. 经过处理后的待合成文本，进行断句处理；

S14. 对断句后的文本进行韵律标注；

S15. 进行拼音标注。

3.如权利要求2所述的语音合成播报方法，其特征在于，所述步骤S12具体为：

当文本中包含有阿拉伯数字时，进行数字转换；

当文本中包含有发音符号时，分别处理成对应的汉字表述；

当文本中包含英文时，转换成近似发音的中文。

4.如权利要求2所述的语音合成播报方法，其特征在于，所述步骤S14中韵律标注具体为：采用不同韵律符号分别将文本拆分为韵律词、韵律短语、韵律短句的组合，采用不同韵律符号分别对韵律词、韵律短语、韵律短句和韵律停止进行标记，且不同韵律符号表示的停顿时间长短不同。

5.如权利要求1所述的语音合成播报方法，其特征在于，所述步骤S2具体为：

所述神经网络模型包括多个不同种类的深度神经网络模型，

根据步骤S1中得到的语言特征，判断发音人类型并选择与发音人类型匹配的神经网络模型，经过深度神经网络模型前向计算，模型输出对应文本的声学参数。

6.一种语音合成播报装置，其特征在于：

文本处理模块，用于对待合成文本进行处理，得到文本对应的语言特征；

声学特征预测模块，用于预测所述文本对应的声学特征；

合成模块，用于将所述声学参数，进行语音合成，得到合成的语音文件；

语音播报模块，用于播放所述合成语音；

进一步的，所述文本处理模块包括如下子模块：

特殊符号处理模块，用于过滤掉所述文本中的非中文汉字符号。

7.如权利要求6所述的语音合成播报装置，其特征在于，所述文本处理模块包括如下子模块：

特殊符号处理模块，用于过滤掉所述文本中的非中文汉字符号；

数字符号字母处理模块，用于处理文本中包含的数字、发音符号和英文字母，将所述文本中数字、发音符号、字母转换成对应的中文汉字；

拼音标注模块，根据分句结构判断多音字，并通过快速搜索匹配拼音表，得到文本对应的拼音序列；

韵律标注模块，用于对所述待合成文本进行断句处理，并通过词典快速搜索匹配，得到韵律词，韵律短语和韵律断句。

8.如权利要求6所述的语音合成播报装置，其特征在于，还包括存储器模块，用于存储分词词典和拼音表，以及存储不同发音人对应的声学模型。