[发明专利]引导式说话人自适应语音合成的系统与方法及程序产品

权利要求书

1.一种引导式说话人自适应语音合成系统，包含：

一说话人自适应训练模块，根据输入的录音文稿与对应的录音语句，输出自适应信息与说话人自适应模型；

一文字转语音合成引擎，接收该录音文稿与该说话人自适应模型，输出合成语句信息；

一成果评估模块，接收该自适应信息、该合成语句信息，估计出评估信息；以及

一自适应建议模块，根据该自适应信息与该评估信息内容，从文稿来源中选取出后续要录制的录音文稿，以作为下一次自适应的建议。

2.如权利要求1所述的系统，其中该自适应训练模块所输出的该自适应信息至少包括：

该录音文稿、该录音语句、该录音文稿对应的音素与模型信息、以及该录音语句对应的切音信息。

3.如权利要求2所述的系统，其中该模型信息至少包括频谱模型信息、与韵律模型信息。

4.如权利要求1所述的系统，该文字转语音合成引擎所输出的该合成语句信息至少包括：该录音文稿的合成语句，以及该合成语句的切音信息。

5.如权利要求1所述的系统，其中该评估信息至少包括该录音语句的音素与模型覆盖率。

6.如权利要求5所述的系统，其中该音素与模型覆盖率包括音素覆盖率、频谱模型覆盖率、以及韵律模型覆盖率。

7.如权利要求1所述的系统，其中该评估信息至少包括一或多个语音差异评估参数。

8.如权利要求7所述的系统，其中该一或多个语音差异评估参数至少包括该录音语句和该合成语句的频谱失真度。

9.如权利要求1所述的系统，其中该自适应建议模块选取录音文稿的策略是能够让该音素与模型的覆盖率最大化。

10.如权利要求1所述的系统，其中该系统是采用基于隐藏式马可夫模型或者隐藏式半马可夫模型架构的语音合成系统。

11.如权利要求1所述的系统，其中该系统经由不断地自适应与提供文稿建议的方式来进行说话人自适应。

12.如权利要求1所述的系统，其中该系统输出该合成语句、该成果评估模块估计出的该目前录音语句的评估信息、以及该自适应建议模块做出的下一次自适应语句的建议。

13.一种引导式说话人自适应语音合成方法，包含：

输入录音文稿与对应的录音语句，输出说话人自适应模型与自适应信息；

载入该说话人自适应模型，输入该录音文稿，以合成出合成语音信息；

结合该自适应信息与该合成语音信息，估计出评估信息；以及

根据该自适应信息与该评估信息内容，从文稿来源中选取出后续要录制的录音文稿，作为下一次自适应的建议。

14.如权利要求13所述的方法，其中该评估信息包括该目前录音语句的音素覆盖率、频谱模型覆盖率、韵律模型覆盖率、以及一或多个语音差异评估参数。

15.如权利要求13所述的方法，其中该一或多个语音差异评估参数至少包括频谱失真度。

16.如权利要求13所述的方法，其中该方法先进行一权重重估计后，再利用一基于音素覆盖率最大化的算法与一基于模型覆盖率最大化的算法来选取出后续要录制的该录音文稿。

17.如权利要求16所述的方法，其中该权重重估计是根据频谱失真度来决定新的音素权重、及模型权重，并且是利用一种音色相似度的方法来动态调整权重的高低。

18.如权利要求17所述的方法，其中该调整权重的原则为，当一语音单位的频谱失真度高于一高阈值，调升该语音单位的权重；反之当一语音单位的频谱失真度低于一低阈值时，调降该语音单位的权重。

19.如权利要求18所述的方法，其中该语音单位是字、音节、或音素的其中一种或多种组合。