[发明专利]一种语音合成播报方法及装置

说明书

本发明公开了一种语音合成播报方法及装置,语音合成播报方法包括如下步骤：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。采用本发明所述的语音合成播报方法，通过对待合成文本进行处理，进行声学模型预测和语音合成，播报音具有高自然度、清晰、停顿合理自然、具备不同音色等效果，极大的提高了用户的体验感。

技术领域

本发明属于语音识别技术领域，涉及语音合成技术，具体涉及一种语音合成播报方法及装置。

背景技术

语音合成技术，也被称为文语转换技术(Text To Speech，TTS)，其目标是让机器通过识别和理解，把文本信息转换成语音输出，从而让机器能够说话，是未来人机交互的重要分支。

语音合成技术应用广泛，比如网页内容朗读、小说有声阅读、电子邮件的阅读、车载语音导航播报、智能家居产品播报等。以语音导航为例，通过语音合成，手机、平板电脑等用户终端能够将用户需要的行驶路线进行实时播报，给用户带来极大的方便。

在对现有技术的研究和实践过程中，发现现有语音合成技术存在如下不足之处：

1. 合成的音频，播报自然度较低，韵律节奏不明显；

2. 合成声音较单一，用户体验感不强；

3. 语音合成，通过访问服务器，当访问量过大或网络不流畅时，难以满足客户快速合成并进行播报需求。

发明内容

为克服现有技术存在的缺陷，本发明公开了一种语音合成播报方法。

本发明所述语音合成播报方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

本发明还公开了一种语音合成播报装置，

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；