[发明专利]一种大语料音库裁剪方法

权利要求书

1.一种大语料音库裁剪方法，其特征在于，包括如下步骤：

采集所有领域的文本数据，作为辅助裁剪文本；

利用所述辅助裁剪文本对大语料音库中的语音单元进行预选，得到预选的语音单元及该语音单元在预选过程中的使用频率；

根据语音单元预选结果，计算语音单元的裁剪得分；

根据每个语单元的裁剪得分，对大语料音库中预选语音单元进行裁剪，得到裁剪后的大语料音库。

2.如权利要求1所述的大语料音库裁剪方法，其特征在于，所述利用所述辅助裁剪文本对大语料音库中的语音单元进行预选的步骤包括：

利用所述大语料音库中所有语音单元训练决策树模型；

利用所述决策树模型，对辅助裁剪文本进行语音合成，记录合成过程中使用语音单元的编号及使用频率；

根据所述单元的使用频率及预先设定的语音单元预选阈值，对大语料库中语音单元进行预选；裁剪掉使用频率低于预选阈值的语音单元。

3.如权利要求1所述的大语料音库裁剪方法，其特征在于，所述利用所述辅助裁剪文本对大语料音库中的语音单元进行预选的步骤包括：

在预选的领域内采集大量文本，作为第二辅助裁剪文本；

利用所述第二辅助裁剪文本对预选的大语料音库中的语音单元进行预选，得到预选的语音单元；

利用预选得到的所述语音单元训练决策树模型，对第二辅助裁剪文本进行语音合成，记录合成过程中使用语音单元的编号及使用频率；

根据预选领域内语音单元预选阈值，对预选语音单元再次裁剪。

4.如权利要求1所述的大语料音库裁剪方法，其特征在于，所述根据语音单元预选结果，计算语音单元的裁剪得分的步骤包括：

计算所述大语料音库对应的决策树模型中每个叶子节点中包含的语音单元之间的相似度；

根据所述语音单元之间的相似度，计算当前语音单元的裁剪得分。