[发明专利]语音合成数据库停顿信息自动标注方法及系统

说明书

本发明涉及一种语音合成数据库停顿信息自动标注系统及方法，该方法包括：获取语音合成数据库中待标注的语音数据；将所述语音数据转化为语音特征帧序列并判断所述语音特征帧序列中的停顿信息，形成停顿信息的预测位置；将所述语音数据转化为文本数据；利用自动切分对齐方法计算所述语音数据和所述文本数据在时间轴上的映射关系；基于所述映射关系将所述停顿信息插入到所述文本数据中以形成标注文本信息；以及利用自动切分对齐方法计算所述语音数据和所述标注文本信息在时间轴上的映射关系。本发明实现了自动标注数据中语音数据的停顿信息，节省了靠人工听来标注停顿的成本和时间，周期短，准确率高，还具有良好的经济效益。

技术领域

本发明涉及语音合成领域，特指一种语音合成数据库停顿信息自动标注方法及系统。

背景技术

语音合成是指将输入的文本信息转化为声音的系统，语音合成系统分为两个模块，前端处理模块和后端模块。在前端中对文本进行分析，输出带有发音以及分词、词性等和韵律停顿相关的信息。后端模块利用前端模块的的输出信息和原始语音提出的特征，分别训练倒谱参数模型，基频参数模型和时长参数模型。参数语音合成系统的优势是模型小、方便合成定制、利于离线实现的场景。

参数语音合成系统通常是基于标准语音数据库，数据库中包含语音文件和相应的标注信息文件。标注信息分为三类，发音信息，韵律信息，时长切分信息。这些信息需要专业的标注人员通过人工听语音进行判断标注，尤其是时长切分信息，时长映射信息的标注包括语音中停顿的判断和音素与语音时间的映射关系。

若数据库中的数据量庞大，这样靠人工听进行停顿的标注一方面使得数据库建立的周期长，且成本高，经济效益较差。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种语音合成数据库停顿信息自动标注方法及系统，解决现有技术中靠人工听来标注停顿的方法存在的周期长、成本高、且经济效益差的问题。

实现上述目的的技术方案是：

本发明一种语音合成数据库停顿信息自动标注方法，包括：

获取语音合成数据库中待标注的语音数据；

将所述语音数据转化为语音特征帧序列并判断所述语音特征帧序列中的停顿信息，形成停顿信息的预测位置；

从语音合成数据库中获取与所述语音数据对应的文本数据；

利用自动切分对齐方法计算所述语音数据和所述文本数据在时间轴上的映射关系；

基于所述映射关系将所述停顿信息插入到所述文本数据中以形成标注文本信息；以及

利用自动切分对齐方法计算所述语音数据和所述标注文本信息在时间轴上的映射关系。

本发明实现了自动标注数据中语音数据的停顿信息，节省了靠人工听来标注停顿的成本和时间，周期短，还具有良好的经济效益。通过自动切分对齐方法能够准确的将停顿信息加入到文本数据中，具有标注准确率高的优势。

本发明语音合成数据库停顿信息自动标注方法的进一步改进在于，将所述语音数据转化为语音特征帧序列并判断所述语音特征帧序列中的停顿信息，形成停顿信息的预测位置，包括：

以设定的帧长和帧移对所述语音数据进行分帧处理，获得对应的语音特征帧序列；

计算所述语音特征帧序列中每一语音特征帧的能量值，形成对应所述语音特征帧序列的语音特征帧能量序列；

平滑所述语音特征帧能量序列，设定能量阈值，判断得出所述语音特征帧能量序列中低于所述能量阈值的能量值的起始帧和结束帧，形成预判的停顿片段；

设定停顿时长，比较所述预判的停顿片段与所述停顿时长的大小，若所述预判的停顿片段大于所述停顿时长，则判断所述预判的停顿片段为停顿信息。