[发明专利]一种具备情感的中文文本人声合成方法

权利要求书

1.一种具备情感的中文文本人声合成方法，其特征在于：所述合成方法包括以下步骤：

(1)构建情感语料库；

(2)基于波形拼接的带情感语音合成；

步骤(1)中所述的构建情感语料库具体操作如下：

(11)分词和词性标注，基于已有的隐马尔可夫模型对原始文本进行分词和词性标注，并将分词结果转化为文本形式；

(12)语音采集和自动切分，

(12.1)基于安卓智能设备完成语音采集，具体录音采集参数为：采样率8000Hz，单通道，16位精度；将录音数据保存为WAV格式；

(12.2)根据录音数据内的间歇和频率特征，结合步骤(11)中获取的分词结果，得到各个词语在音频中所对应的起止时刻点；

(12.3)根据音频起讫时刻序列，切割出对应词语的音频，保存为PCM格式音频，构建分词-音频的对应关系；

(13)情感分析，将原始文本进行分句，对各个语句进行情感的分析判别，共分为七种情感：乐，好，怒，哀，惧，恶，惊，基于语句的情感特征值，计算语句中的各个词语的情感特征值；

(14)输入语料库，综合上述步骤获得的分词文本内容、词性、句型、情感特征以及词语音频文件地址，录入语料库中；

步骤(2)中所述的基于波形拼接的带情感语音合成，包括如下步骤：

(21)分词和情感分析，对待合成文本进行分词和情感分析，得到各个词语的词语内容、词性、句型和七种情感特征值；

(22)选取最优语料：

(22.1)从语料库中取出所有该分词t_k所对应的音频数据集{pcm_k}；

(22.2)根据分词文本的词性、句型、情感特征值分别计算音频数据集{pcm_k}中的匹配特征度W_k：

其中p表示分词文本的词性，t表示所属句型，如果相同输出为1，否则为输出为0，e_i表示候选词语的第i种情感特征值，E_i表示目标词语的第i种情感特征值；

(22.3)通过对候选集中的音频数据排序，选取出最优匹配特征度的语料结果；

(23)语音合成，基于波形拼接合成输出最优语料的音频内容。

2.根据权利要求1所述的一种具备情感的中文文本人声合成方法，其特征在于，步骤(11)分词和词性标注,具体如下，

分词过程分为预处理、粗切分和词性标注,预处理包括文本过滤和原子切分，过滤未定义符号、非汉语常用符号；基于完成的预处理文本，根据基础词典找出文本中所有的词语，构造出词语切分有向无环图，针对该图，在所有的路径中，找出长度值最小的集合作为粗切分结果集；

对于获得的粗切分结果集，基于一阶隐马模型可得最终分词结果W^#计算公式为

其中{c_i}表示与{w_i}对应的类别序列，通过语法分析建立角色表，在分词结果的基础上利用隐马模型得到概率最大的角色序列，生成最终的词性标注结果。

3.根据权利要求2所述的一种具备情感的中文文本人声合成方法，其特征在于，步骤(13)情感分析,具体如下，将原始文本进行分句，根据构建的情感词典，对各个语句基于贝叶斯模型：

进行情感的分析判别，其中X为短句文本分词集合，C_i为情感类别，共分为七种情感：乐，好，怒，哀，惧，恶，惊，选择最大概率P(C_i|X)作为短句的情感所属类别，根据短句情感分析结果，输出语句中的各个词语的情感特征值。

4.根据权利要求3所述的一种具备情感的中文文本人声合成方法，其特征在于，步骤(23)语音合成，基于波形拼接合成输出最优语料的音频内容，具体步骤如下：根据获得的最优音频集合，获取对应PCM存放地址的一个完整序列，根据存放地址取出文件，各自存入一个Byte数组中，在内存中完成拼接形成对应的语音数据。