[发明专利]语音合成模型的处理方法和装置

权利要求书

1.一种语音合成模型的处理方法，其特征在于，所述方法包括：

依据训练数据，得到隐马尔可夫模型HMM模型；其中，所述HMM模型包括：决策树；所述训练数据包括：训练录音数据；

依据所述HMM模型，从所述训练录音数据中获取所述决策树中叶节点对应的一目标帧训练录音数据；

采用所述目标帧训练录音数据的声学参数值替换所述叶节点的声学参数值，以得到处理后的决策树。

2.根据权利要求1所述的方法，其特征在于，所述依据所述HMM模型，从所述训练录音数据中获取所述决策树中叶节点对应的一目标帧训练录音数据的步骤，包括：

依据所述HMM模型，从所述训练录音数据中获取所述决策树中叶节点对应的帧训练录音数据；

若所述叶节点对应一帧训练录音数据，则将所述叶节点对应的一帧训练录音数据作为目标帧训练录音数据；或者，若所述叶节点对应多帧训练录音数据，则从所述叶节点对应的多帧训练录音数据中选择一目标帧训练录音数据。

3.根据权利要求2所述的方法，其特征在于，所述从所述训练录音数据中获取所述决策树中叶节点对应的帧训练录音数据的步骤，包括：

依据所述HMM模型，对所述训练录音数据进行时间到状态的对齐，所述训练录音数据包含的各帧训练录音数据对应的目标状态；

依据所述目标状态和所述决策树对应的状态，得到所述决策树中叶节点对应的帧训练录音数据。

4.根据权利要求3所述的方法，其特征在于，所述对所述训练录音数据进行时间到状态的对齐的步骤，包括：

依据所述HMM模型、以及所述训练录音数据的声学参数和建模单元，确定所述训练录音数据的各建模单元对应的各帧训练录音数据的状态边界，以得到所述训练录音数据包含的各帧训练录音数据对应的目标状态。

5.根据权利要求2所述的方法，其特征在于，所述从所述叶节点对应的多帧训练录音数据中选择一目标帧训练录音数据的步骤，包括：

针对所述叶节点对应的各帧训练录音数据，确定其对应的声学参数与所述叶节点对应的声学参数之间的误差；

从所述叶节点对应的多帧训练录音数据中、选择误差最小的帧训练录音数据作为目标帧训练录音数据。

6.根据权利要求5所述的方法，其特征在于，所述确定其对应的声学参数与所述叶节点对应的声学参数之间的误差的步骤，包括：

针对所述叶节点对应的各帧训练录音数据，确定其对应的单维度声学参数与所述叶节点对应的单维度声学参数之间的分量误差；

对所有维度声学参数对应的分量误差进行融合，以得到所述叶节点对应的各帧训练录音数据对应的声学参数与所述叶节点对应的声学参数之间的误差。

7.根据权利要求1至6中任一所述的方法，其特征在于，所述采用所述目标帧训练录音数据的声学参数值替换所述叶节点的声学参数值的步骤，包括：

采用所述目标帧训练录音数据的声学参数值替换所述叶节点的声学参数均值。

8.根据权利要求1至6中任一所述的方法，其特征在于，所述方法还包括：

依据所述HMM模型和所述处理后的决策树，得到待合成文本对应的状态级的目标声学参数均值和目标方差；

依据所述目标声学参数均值和目标方差，生成所述待合成文本对应的目标声学参数；

依据所述目标声学参数，得到所述待合成文本对应的合成语音。

9.一种语音合成模型的处理装置，其特征在于，所述装置包括：

模型决策树获取模块，用于依据训练数据，得到隐马尔可夫模型HMM模型；其中，所述HMM模型包括：决策树；所述训练数据包括：训练录音数据；

目标帧获取模块，用于依据所述HMM模型，从所述训练录音数据中获取所述决策树中叶节点对应的一目标帧训练录音数据；以及

参数替换模块，用于采用所述目标帧训练录音数据的声学参数值替换所述叶节点的声学参数值，以得到处理后的决策树。