[发明专利]一种模拟用户歌声的语音合成系统及方法

说明书

本发明公开了一种模拟用户歌声的语音合成系统及方法，属于语音模拟技术领域；其原理在于：获取外部输入的用户正常说话语音并转换成发音文本，根据发音文本形成音子序列；根据音子序列处理得到基本音子的原始时段信息；将基本音子的原始时段信息调整为对应曲谱信息的节拍时段信息；针对基本音子比较原始时段信息和节拍时段信息，并根据判断结果相应调整基本音子的语音合成参数；根据基本音子的经过调整的语音合成参数以及发音文本，形成模拟用户歌声的合成语音并输出。上述技术方案的有益效果是：无需建模就能模拟用户唱歌，提高语音模拟的效率，达到近乎实时反馈的效果，保留用户的音色信息，细节丰富，效果逼真，由此提升了用户体验。

技术领域

本发明涉及语音模拟技术领域，尤其涉及一种模拟用户歌声的语音合成系统及方法。

背景技术

随着语音合成技术的不断发展，越来越多的应用软件开始采用语音合成技术来模拟人的说话内容，例如采用语音合成技术模拟人说话的内容以得到“学舌”的目的，或者采用语音合成技术来模拟人唱歌等与普通说话场景不同的语音。

具体地，现有技术中，在模拟用户唱歌的场景中，通常的做法是采用语音合成数据库中固有的音色来生成歌曲，并且需要对用户的音色信息进行建模，采用音色变换技术在歌曲固有音色的基础上实现用户声音的歌声效果。这种做法的缺陷主要在于：

1.需要事先对用户的音色信息进行建模，使得语音合成的过程比较复杂；

2.需要根据构建的模型来实现用户声音的变换，从而得到合成的歌声，其处理速度较慢，处理效率低，无法实现实时处理并输出歌声的效果；

3.采用合成器数据库中固有的音色信息来实现语音合成和模拟的方式无法保留用户本身的音色特征，使得语音模拟的结果比较呆板，模拟效果与实际音色不符。

发明内容

根据现有技术中存在的上述问题，现提供一种模拟用户歌声的语音合成系统及方法的技术方案，直接将用户正常说话时的说话声音转换成某种曲调的唱歌声，旨在提高语音模拟的效率，达到近乎实时反馈给用户唱歌的效果，并且保留用户的音色信息，合成的语音细节丰富，效果逼真，由此提升了用户体验。

上述技术方案具体包括：

一种模拟用户歌声的语音合成系统，适用于语音模拟应用中；其中，包括：

第一获取单元，用于获取外部输入的用户正常说话时的用户语音；

第一转换单元，连接所述第一获取单元，用于将所述用户语音转换成对应的发音文本，以及根据所述发音文本形成对应的包括基本音子的音子序列；

第一处理单元，连接所述第一转换单元，用于根据所述音子序列处理得到每个所述基本音子对应的原始时段信息，所述原始时段信息用于表示每个所述基本音子在所述用户语音中的起止时间；

第一合成单元，分别连接所述第一获取单元和所述第一处理单元，用于根据所述用户语音的基频信息以及每个所述基本音子的所述原始时段信息分别处理得到所述用户语音每个所述基本音子的语音合成参数；

第二获取单元，用于获取一预设的目标歌曲中的曲谱信息；

第二处理单元，分别连接所述第一处理单元和所述第二获取单元，用于将每个所述基本音子的所述原始时段信息分别调整为对应所述曲谱信息的节拍时段信息，所述节拍时段信息用于表示每个所述基本音子在所述目标歌曲中对应的节拍中的起止时间；

第二合成单元，分别连接所述第一合成单元和所述第二处理单元，用于针对每个所述基本音子比较所述原始时段信息和所述节拍时段信息，并根据判断结果相应调整每个所述基本音子的所述语音合成参数；

语音模拟单元，分别连接所述第二合成单元、第二获取单元和所述第一转换单元，用于根据每个所述基本音子的经过调整的所述语音合成参数以及所述发音文本，形成模拟用户歌声的合成语音并输出。