[发明专利]与文本语音系统相配的韵律模板

说明书

技术领域

本发明一般涉及文本语音合成系统。更具体地说，本发明涉及基于树结构查询技术，使用韵律模板将韵律信息应用到合成语音中的技术。

背景技术

文本语音系统把基于字符的文本(例如，打字机打出的文本)转变成合成的口头语音内容。文本语音系统被使用在各种商业应用和用户产品中，包括电话和语音邮件提示系统，车辆导航系统，自动无线电广播系统，等等。

业已存在着从提供的输入文本产生语音的大量不同的技术。一些系统使用基于模型的方法，其中人类声道的谐振特性和人类声门的脉冲波形被模型化、参数化，然后被用来模拟正常人说话的声音。其它系统使用实际人类语音的短数字化记录采样，其随后在当连接符被返回时被仔细地选择和链接来产生口头的词和短语。

除非被加入韵律信息，否则所有当前的合成技术听起来或多或少地有些不自然。韵律指的是说话的节奏和声调方面。当人们说出一个短语或句子时，讲话者通常很自然地把重音放在某些的词或短语上，从而强调表达的意思。因为适当的音调变化不能总是从单独文本中推断出来，文本语音设备在模仿人说短语或句子的正常语速和音调变化方面具有很大的困难。

例如，在给驾驶员提供在下一个十字路口转向的指示的情况，人类说话者可以说“在这儿转向”，强调单词“这儿”来传达紧迫的感觉。文本语音设备，其响应打字输入的文本简单地产生合成的语音，将不知道是否紧迫的感觉被保证或者不保证。因此设备将不能越过其它词把特定的强调放在一个词上。与人类说话相比，合成的语音听起来更单调和无变化。

在努力对合成的语音增加真实性的过程中，现在有可能提供具有附加的韵律信息的文本语音合成器，其被用来改变合成器输出的方式，所产生的合成的语音更自然的有节奏的内容和音调。

在典型的语音合成器中，韵律信息影响着响应文本输入产生的声音的音调轮廓和/或持续时间值。在正常的讲话中，强调或者重音节是通过升高一个人的声音的音调和/或增加重音节的元音部分的持续时间而产生的。通过执行这些相同的操作，文本语音合成器能够模仿人们说话的韵律。我们已经开发了基于模板的系统来把韵律信息与连续的文本组织和联系起来，其中文本根据一些类型的语言单元，例如词或短语而被描述。在我们的基于模板的系统中，模板库被构造用来收集具有不同韵律特征的词或短语。然后，对于给定的特定文本输入，具有最好的匹配特征的模板被选择和用来对合成提供韵律信息。

当仅仅需更说少量的词或短语时，对于可能由合成器产生的每一个和全部的可能的词或短语来说构造模板是现实的。然而，随着说话范围的规模的增加，存储所有需要的模板变得越来越昂贵。

发明内容

本发明提供了一种解决这类问题的方法，即通过一种技术，其发现对给定的目标合成的最接近的匹配模板，然后发现在不准确的匹配模板和目标之间的最佳的映射。该系统在当没有发现准确的匹配模板的时候，能够使用现有的模板部分产生新的模板。

附图说明

参考下面的说明书和附图，可更彻底地理解本发明，本发明的目的和优点。

附图的简要描述

图1是说明当前优选的韵律模板匹配数据结构的数据结构图；

图2是在最佳实施例中表示对于词的强调模式如何被改写和表示的图；

图3是典型的模板查询树，表示了具有两级强调的词如何被表达；

图4是相似的模板查询树，表示了具有三级强调的词如何被表达；

图5是模板匹配图，表示了一个示例性的词“avenue”如何使用本发明被处理；和

图6是模板匹配图，说明了示例性的词“Santa Clarita”如何使用本发明被处理。

具体实现方式

参考图1和图2，本发明的韵律模板匹配系统示出了在例如树10的树结构中的词中的强调模式。目前首选的树结构是二叉树结构，其具有根节点12，在根节点下面有成组成对的子节点，子子节点等等。这些节点表示不同的强调模式，其相应于当词或者短语被说的时候音节如何被强调或者加重。