[发明专利]语音处理系统和方法

权利要求书

1.一种文本转语音方法，其被配置为输出具有语音因素目标值的语音，

所述方法包括：

输入具有所述语音因素目标值的音频数据；

使声学模型适应所述语音因素目标值；

输入文本；

将所述输入文本划分为声学单元序列；

使用所述声学模型将所述声学单元序列转换为语音向量序列；以及

将所述语音向量序列输出为具有所述语音因素目标值的音频，

其中所述声学模型包括与所述语音因素相关的语音因素参数集，以及与所述语音因素相关的语音因素聚类集，

并且其中与所述语音因素相关的所述语音因素参数集和所述语音因素聚类集未标记，从而对于给定的一个或多个聚类以及给定的一个或多个参数，与其相关的所述语音因素的值未知。

2.根据权利要求1的文本转语音方法，

其中所述语音因素为表达，

所述声学模型进一步包括与说话者相关的参数集以及与说话者相关的聚类集；

并且其中所述表达参数集和所述说话者参数集与所述表达聚类集和所述说话者聚类集不重叠，

并且其中所述方法被配置为通过结合使用从第一说话者的语音获取的表达参数以及从第二说话者的语音获取的表达参数，将表达从第一说话者移植到第二说话者。

3.一种文本转语音方法，所述方法包括：

接收输入文本；

将所述输入文本划分为声学单元序列；

使用声学模型将所述声学单元序列转换为语音向量序列，其中所述声学模型包括与说话者声音相关的说话者参数集和说话者聚类集以及与表达相关的表达参数集和表达聚类集，并且其中说话者参数集和表达参数集与说话者聚类集和表达聚类集不重叠；以及

将所述语音向量序列输出为音频，

所述方法进一步包括通过以下方式确定与表达相关的所述参数中的至少某些：

从所述输入文本提取表达特征，以形成在第一空间中构建的表达语言特征向量；以及

将所述表达语言特征向量映射为在第二空间中构建的表达合成特征向量。

4.根据权利要求3的方法，其中所述第二空间是第一说话者的声学空间，并且所述方法被配置为将所述表达合成特征向量移植到第二说话者的声学空间。

5.一种系统，其被配置为输出具有语音因素目标值的语音，

所述系统包括：

用于接收具有所述语音因素目标值的自适应数据的输入端；

用于接收文本的输入端；以及

处理器，其被配置为使声学模型适应所述语音因素目标值；

将所述输入文本划分为声学单元序列；

使用所述声学模型将所述声学单元序列转换为语音向量序列；以及

将所述语音向量序列输出为具有所述语音因素目标值的音频，

其中所述声学模型包括与所述语音因素相关的第一参数集，以及与所述语音因素相关的第一聚类集，

并且其中与所述语音因素相关的所述第一参数集和所述第一聚类集未标记，从而对于给定的一个或多个聚类以及给定的一个或多个参数，所述第一语音因素的值未知。

6.一种文本转语音系统，所述系统包括：

用于接收输入文本的输入端；以及

处理器，其被配置为

将所述输入文本划分为声学单元序列；

使用声学模型将所述声学单元序列转换为语音向量序列，其中所述声学模型包括与说话者声音相关的第一参数集和第一聚类集，以及与表达相关的第二参数集和第二聚类集，并且其中所述第一和第二参数集与所述第一和第二聚类集不重叠，并且

将所述语音向量序列输出为音频，

通过以下方式确定与表达相关的所述参数中的至少某些：

从所述输入文本提取表达特征，以形成在第一空间中构建的表达语言特征向量；以及

将所述表达语言特征向量映射为在第二空间中构建的表达合成特征向量。

7.一种载体介质，包括被配置为使计算机执行根据权利要求1的方法的计算机可读代码。

8.一种载体介质，包括被配置为使计算机执行根据权利要求3的方法的计算机可读代码。