[发明专利]情感语音合成方法和装置

权利要求书

1.一种情感语音合成方法，包括以下步骤：

输入文本句；

利用由第一说话人的中立语音库训练获得的中立特征模型，预测上述文本句在上述第一说话人的第一特征空间中的中立特征向量；

利用由上述中立语音库和第二说话人的平行语音库训练获得的说话人规整模型，将上述中立特征向量变换为上述第二说话人的第二特征空间中的规整中立特征向量；

利用由上述平行语音库训练获得的情感转换模型，将上述规整中立特征向量转换为上述第二特征空间中的规整情感特征向量；

利用上述说话人规整模型，将上述规整情感特征向量逆变换为上述第一特征空间中的情感特征向量；以及

利用上述第一特征空间中的情感特征向量合成出第一说话人的情感语音。

2.根据权利要求1所述的情感语音合成方法，还包括以下步骤：

在上述利用由第一说话人的中立语音库训练获得的中立特征模型，预测上述文本句在上述第一说话人的第一特征空间中的中立特征向量的步骤之前，从上述文本句中提取语言学信息。

3.根据权利要求2所述的情感语音合成方法，其中，上述利用由第一说话人的中立语音库训练获得的中立特征模型，预测上述文本句在上述第一说话人的第一特征空间中的中立特征向量的步骤包括以下步骤：

根据上述语言学信息，利用上述中立特征模型，预测上述中立特征向量。

4.根据权利要求2所述的情感语音合成方法，其中，上述利用由上述平行语音库训练获得的情感转换模型，将上述规整中立特征向量转换为上述第二特征空间中的规整情感特征向量的步骤包括以下步骤：

根据上述语言学信息，利用上述情感转换模型，将上述规整中立特征向量转换为上述规整情感特征向量。

5.根据权利要求1所述的情感语音合成方法，其中，上述说话人规整模型包括分类规则、从上述中立语音库的根据上述分类规则划分的每一类中提取的特征向量的均值和协方差矩阵、和从上述平行语音库的根据上述分类规则划分的每一类中提取的特征向量的均值和协方差矩阵。

6.根据权利要求5所述的情感语音合成方法，其中，上述分类规则包括针对时长和频谱特征的音素类型分类规则、针对基频轨迹的声调类型分类规则和针对能量的句中位置分类规则中的至少一种。