[发明专利]语音合成方法和装置

权利要求书

1.一种合成语音的方法，包括：

将与目标语音对应的音素序列分割成多个段；

对于每个段，从存储具有至少一个帧的语音单元的语音单元存储器中选择多个语音单元，所述多个语音单元具有与所述目标语音一致或相似的韵律特征；

对于所述多个语音单元的每个帧，生成具有至少一个共振峰频率的共振峰参数；

根据所述多个语音单元的每个帧的共振峰参数，生成每个帧的融合共振峰参数；

根据每个帧的融合共振峰参数，生成每个段的融合语音单元；以及

通过拼接每个段的融合语音单元来生成合成语音。

2.根据权利要求1所述的方法，其中，生成共振峰参数包括：从存储分别与每个语音单元对应的共振峰参数的共振峰参数存储器中提取所述多个语音单元的每一个的共振峰参数。

3.根据权利要求2所述的方法，其中，所述共振峰参数存储器对应地存储所述共振峰参数的每一个、用于识别语音单元的语音单元号码和用于识别所述语音单元中的帧的帧号码。

4.根据权利要求3所述的方法，其中，所述共振峰参数包括共振峰频率和表示所述语音单元的共振峰的形状的形状参数。

5.根据权利要求4所述的方法，其中，所述共振峰参数存储器存储与相同的语音单元号码对应的多个共振峰参数，所述多个共振峰参数的每一个对应于所述帧号码。

6.根据权利要求4所述的方法，其中，所述形状参数至少包括窗函数、相位和功率。

7.根据权利要求4所述的方法，其中，所述形状参数至少包括功率和共振峰带宽。

8.根据权利要求1所述的方法，其中，生成共振峰参数包括：如果所述多个语音单元的每一个中的帧的个数不同，则使所述多个语音单元的每一个的帧的个数相等；以及通过相同的帧位置对应所述多个语音单元中的每个帧。

9.根据权利要求1所述的方法，其中，生成融合共振峰参数包括：如果所述多个语音单元的相对应的帧中的共振峰参数的共振峰频率的个数不同，则对应所述相对应的帧中的共振峰参数的每个共振峰频率，以使所述相对应帧中的共振峰参数的共振峰频率的个数相等。

10.根据权利要求9所述的方法，其中，对应每个共振峰频率包括：

估计相对应的帧中的两个之间的共振峰参数的每个共振峰频率的相似度；以及

对应两个相对应的帧中具有高于阈值的相似度的两个共振峰频率。

11.根据权利要求10所述的方法，其中，对应两个共振峰频率包括：

如果所述相似度不高于所述阈值，则生成具有零功率和与所述两个共振峰频率的一个相同的共振峰频率的虚拟共振峰；以及

将所述虚拟共振峰与所述两个共振峰频率的一个相对应。

12.根据权利要求6所述的方法，其中，生成融合语音单元包括：

根据所述多个语音单元的每一个的共振峰参数所包含的共振峰频率、相位和功率生成正弦波；

通过将所述窗函数与所述正弦波相乘来生成所述多个语音单元的每一个的共振峰波形；

通过将所述多个语音单元的每一个的共振峰波形相加来生成每个帧的基音波形；以及

通过叠加每个帧的基音波形来生成融合语音单元。

13.根据权利要求1所述的方法，其中，生成融合共振峰参数包括：平滑每个帧的共振峰参数所包含的共振峰参数的变化。

14.根据权利要求1所述的方法，其中，选择包括：

估计所述目标语音和使用所述多个语音单元生成的合成语音之间的失真度；以及

对于每个段，选择所述多个语音单元以使所述失真度变得最小。

15.一种合成语音的装置，包括：

分割部，用于将与目标语音对应的音素序列分割成多个段；

语音单元存储器，用于存储具有至少一个帧的语音单元；

语音单元选择部，用于对于每个段从所述语音单元存储器中选择多个语音单元，所述多个语音单元具有与所述目标语音一致或相似的韵律特征；

共振峰参数生成部，用于对于所述多个语音单元的每个帧生成具有至少一个共振峰频率的共振峰参数；

融合共振峰参数生成部，用于根据所述多个语音单元的每个帧的共振峰参数生成每个帧的融合共振峰参数；

融合语音单元生成部，用于根据每个帧的融合共振峰参数生成每个段的融合语音单元；以及

合成部，用于通过拼接每个段的融合语音单元来生成合成语音。