[发明专利]一种哼唱合成方法和系统

说明书

技术领域

本发明涉及语音合成技术领域，特别是涉及一种哼唱合成方法和系统。

背景技术

语音合成技术，又称文语转换(TTS，Text to Speech)技术，其能将任意文字信息转化为标准流畅的语音朗读出来。

目前的语音合成方法是预先录制一个语音库，然后在该语音库基础上完成一个语音合成系统。此方法合成声音的语调节奏取决于语音库，即合成出的声音像是录音人在说话。

而在一些娱乐应用中，用户希望可以调节合成语音的语调节奏，比如，将短信以歌曲的语调“唱”出来。

总之，需要本领域技术人员迫切解决的一个技术问题就是：如何能够合成具有歌曲语调节奏的语音。

发明内容

本发明所要解决的技术问题是提供一种哼唱合成方法和系统，用于输出带有歌曲节奏和旋律的语音数据。

为了解决上述问题，本发明公开了一种哼唱合成方法，包括：

接收用户输入的文本；

进行文本分析，获得与所述文本对应的音节序列，以及，该音节序列中每个音节的音节名称；

针对所述音节序列中每个音节，根据其音节名称及上下文环境，结合统计参数模型，规划得到相应的时长参数、基频参数和谱参数；

依据用户选择的歌曲模板和所述音节序列的音节个数，对所述规划得到的时长参数、基频参数进行调整，其中，所述歌曲模板中存储有音节的时长参数和基频参数；

依据调整后的时长参数，对相应音节的谱参数进行插值调整；

根据所述音节序列中每个音节的时长参数、基频参数和谱参数，利用合成器得到与所述音节序列对应的语音数据。

优选的，所述对时长参数、基频参数进行调整的步骤，包括：

获取所述音节序列的音节个数；

从所述歌曲模板中提取与所述音节个数相应的时长参数和基频参数，并覆盖所述规划得到的时长参数、基频参数。

优选的，所述文本分析步骤包括：

对所述文本进行分词操作；

将所述文本中的数字符号转换为文字；

依据分词结果，对数字符号转换后的文本进行韵律预测；

根据韵律预测结果，将文本转换为音节序列，以及，基于音节映射表，得到该音节序列中每个音节的音节名称。

优选的，所述歌曲模板为通过如下步骤生成的模板：

针对歌曲样本，提取其中每个音节的时长参数和基频参数；

将所述时长参数和基频参数，保存至歌曲模板。

优选的，所述歌曲样本包括清唱歌曲样本。

另一方面，本发明还公开了一种哼唱合成系统，包括：

接口模块，用于接收用户输入的文本；

文本分析模块，用于进行文本分析，获得与所述文本对应的音节序列，以及，该音节序列中每个音节的音节名称；

参数规划模块，用于针对所述音节序列中每个音节，根据其音节名称及上下文环境，结合统计参数模型，规划得到相应的时长参数、基频参数和谱参数；

第一参数调整模块，用于依据用户选择的歌曲模板和所述音节序列的音节个数，对所述规划得到的时长参数、基频参数进行调整，其中，所述歌曲模板中存储有音节的时长参数和基频参数；

第二参数调整模块，用于依据调整后的时长参数，对相应音节的谱参数进行插值调整；

合成模块，用于根据所述音节序列中每个音节的时长参数、基频参数和谱参数，利用合成器得到与所述音节序列对应的语音数据。

优选的，所述第一参数调整模块包括：

获取单元，用于获取所述音节序列的音节个数；

调整单元，用于从歌曲模板中提取与所述音节个数对应的参数信息，覆盖所述规划得到的时长参数、基频参数，并对谱参数依据规划时长进行插值。

优选的，所述文本分析模块包括：

分词单元，用于对所述文本进行分词操作；

数字符号转换单元，用于将所述文本中的数字符号转换为文字；

韵律预测单元，用于依据分词结果，对数字符号转换后的文本进行韵律预测；

音节转换单元，用于根据韵律预测结果，将文本转换为音节序列，以及，基于音节映射表，得到该音节序列中每个音节的音节名称。

优选的，所述系统还包括歌曲模板生成模块，该歌曲模板生成模块包括：

提取单元，用于针对歌曲样本，提取其中每个音节的时长参数和基频参数；

保存单元，用于将所述时长参数和基频参数，保存至歌曲模板。

优选的，所述歌曲样本包括清唱歌曲样本。

与现有技术相比，本发明具有以下优点：