[发明专利]一种语音生成方法、装置、设备及存储介质

说明书

本申请提出一种语音生成方法、装置、设备及存储介质，该方法包括：根据录音文本以及目标语音情感效果，生成录音情感引导信息；输出所述录音情感引导信息，以便目标发音人在所述录音情感引导信息的引导下朗读所述录音文本；采集所述目标发音人对所述录音文本的朗读语音，得到与所述录音文本对应的语音数据。该方法一方面能够为发音人发音提供便利，即可以自动生成录音情感引导信息，方便发音人明确应当如何调整发音情感，另一方面能够生成各种情感的语音数据，这些语音数据可以作为语音素材用于合成具有感情色彩的语音，能够提高语音合成效果，进而有利于改善基于语音的人机交互效果。

技术领域

本申请涉及语音合成技术领域，尤其涉及一种语音生成方法、装置、 设备及存储介质。

背景技术

语音合成通常是基于语音库中的语音素材，合成符合交互场景的语音。 随着基于语音的人机交互技术的发展和应用，语音合成在智能家居、智能 机器人等配置人机交互功能的智能设备上的应用越来越广泛。

目前，比较常用的构建语音库的方式是由发音人按照标准发音朗读文 本，同时对发音人的朗读语音进行录制，录制的语音即作为语音素材存储 至语音库中。采用这种方式所生成的语音，是语气一成不变、平铺直叙的 语音，基于这些语音素材而合成的语音，不会带有任何感情色彩，这就导 致合成的语音非常呆板，无法达到与用户共情交互的效果，更无法使得人 机交互像人人交互那样自然和真实。

发明内容

基于上述技术现状，本申请提出一种语音生成方法、装置、设备及存 储介质，能够生成符合目标情感效果的语音，利用这些语音进行语音合成， 能够得到具有感情色彩的合成语音，从而有利于提高人机交互效果。

本申请第一方面提供了一种语音生成方法，包括：根据录音文本以及 目标语音情感效果，生成录音情感引导信息；输出所述录音情感引导信息， 以便目标发音人在所述录音情感引导信息的引导下朗读所述录音文本；采 集所述目标发音人对所述录音文本的朗读语音，得到与所述录音文本对应 的语音数据。

本申请第二方面提供了一种语音生成装置，包括：信息生成单元，用 于根据录音文本以及目标语音情感效果，生成录音情感引导信息；数据输 出单元，用于输出所述录音情感引导信息，以便目标发音人在所述录音情 感引导信息的引导下朗读所述录音文本；数据采集单元，用于采集所述目 标发音人对所述录音文本的朗读语音，得到与所述录音文本对应的语音数 据。

本申请第三方面提供了一种语音生成设备，包括：处理器，以及分别 与所述处理器连接的存储器、麦克风和输出设备；其中，所述存储器用于 存储数据和计算机程序；所述处理器，用于通过运行所述存储器中的计算 机程序，根据录音文本以及目标语音情感效果，生成录音情感引导信息， 并将生成的录音情感引导信息发送给所述输出设备；所述输出设备用于输 出所述处理器发送的录音情感引导信息，以便目标发音人在所述录音情感引导信息的引导下朗读所述录音文本；所述麦克风与所述存储器连接，用 于采集所述目标发音人对所述录音文本的朗读语音，得到与所述录音文本 对应的语音数据，并将所述语音数据存储至所述存储器。

本申请第四方面提供了一种存储介质，所述存储介质上存储有计算机 程序，所述计算机程序被处理器运行时，实现上述的语音生成方法。

本申请提出的语音生成方法在生成语音时，能够根据录音文本和目标 语音情感效果生成录音情感引导信息并输出，以使发音人能够在该录音情 感引导信息的引导下朗读录音文本。此时，采集发音人对录音文本的朗读 语音，即得到与录音文本对应的语音数据。