[发明专利]语音合成模型学习装置、语音合成模型学习方法及存储介质

权利要求书

1.一种语音合成模型学习装置，具有：

语音语料库存储部，其存储语音数据和所述语音数据的基音标记信息及上下文信息；

分析部，其根据所述语音数据，分析基音标记信息的各基音标记时刻的音响特征参数；以及

统计模型学习部，其根据所述分析部分析出的音响特征参数，学习包含音响特征参数的输出分布以及基于时刻参数的持续时间长度分布的具有多个状态的统计模型，所述音响特征参数包含基音特征参数。

2.根据权利要求1所述的语音合成模型学习装置，

所述统计模型学习部使用所述语音数据的上下文信息及各基音标记时刻的音响特征参数以及基音标记时刻信息，参照所述基音标记时刻信息来学习持续长度分布。

3.根据权利要求1所述的语音合成模型学习装置，

所述统计模型学习部使用将自转移概率表示为状态持续长度分布的隐半马尔可夫模型来作为所述统计模型，根据在各状态滞留的开始点的基音标记时刻以及结束点的基音标记时刻来求出在各状态滞留的基于时刻参数的时间长度，将所述滞留时间长度的分布设为状态持续长度分布。

4.根据权利要求1所述的语音合成模型学习装置，

所述统计模型学习部通过使用状态持续长度分布来推定各状态的输出分布，从而进行包括所述统计模型的各状态的输出分布的模型参数的推定。

5.根据权利要求1所述的语音合成模型学习装置，

所述音响特征参数包括语音数据的各基音标记时刻的基音特征参数、谱特征参数以及声源特征参数，作为声源特征参数而包括相位特征参数。

6.一种语音合成模型学习方法，包括：

存储部存储语音数据和所述语音数据的基音标记信息及上下文信息的步骤；

根据所述语音数据，分析基音标记信息的各基音标记时刻的音响特征参数的步骤；以及

根据所分析出的音响特征参数，学习包含音响特征参数的输出分布以及基于时刻参数的持续时间长度分布的具有多个状态的统计模型的步骤，所述音响特征参数包含基音特征参数。

7.一种存储介质，存储有语音合成模型学习程序，所述语音合成模型学习程序用于使计算机执行：

存储部存储语音数据和所述语音数据的基音标记信息及上下文信息的步骤；

根据所述语音数据，分析基音标记信息的各基音标记时刻的音响特征参数的步骤；以及

根据所分析出的音响特征参数，学习包含音响特征参数的输出分布以及基于时刻参数的持续时间长度分布的具有多个状态的统计模型的步骤，所述音响特征参数包含基音特征参数。