[发明专利]一种语音数据生成方法及装置

说明书

本申请实施方式公开了一种语音数据生成方法及装置。所述方法包括：确定文本数据对应的语音风格；利用语音风格模型组件确定所述语音风格对应的韵律特征参数，其中，所述语音风格模型组件利用多个语音样本数据的语音风格与所述语音样本数据的韵律特征参数之间的对应关系训练得到；基于所述韵律特征参数，对所述文本数据进行语音合成，生成具有所述语音风格的语音数据。利用本申请的技术方案，可以大大降低获取语音样本数据的成本，并且，较易实现多种类语音风格的韵律特征参数，从而实现在低成本的基础上获取种类丰富的语音风格。

技术领域

本申请涉及智能语音处理技术领域，特别涉及一种语音数据生成方法处理方法及装置。

背景技术

近年来，随着在线音像市场的不断发展，语音合成技术已经不局限于将文字转换成能让人听懂的语音，而是逐渐向多语音风格的方向发展。典型的应用场景如在线儿童读物、在线小说、在线评书、在线新闻等等，其中，在线儿童读物的语音风格和在线小说的语音风格大不相同，而在线小说中又具有多种不同语音风格，如言情小说与武侠小说的语音风格又大不相同。

基于上述多语音风格的需求，语音合成开发方常用的做法是为每一种语音风格建立对应的语音库，并利用所述语音库训练得到对应的语音风格模型。例如，给儿童读物建立一个语音库、给言情小说建立一个语音库、给武侠小说建立一个语音库、给评书建立一个语音库。但是，制作语音库的成本非常高，需要获取发音人(比如明星林志玲、播音主持人赵忠祥)的声音授权、在录音棚录制大量语音数据、对语音数据做大量的精细标注等，另外，一般发音人具有固定的语音风格，因此，建立多种风格的语音库，则需要多个发音人的合作。以上问题导致一般的语音合成平台只有数量有限的几种代表性语音风格，缺乏丰富的语音风格，无法进一步地提高在线音频的质量。

因此，现有技术中亟需一种开发成本较低、语音风格丰富的语音合成技术。

发明内容

本申请实施方式的目的是提供一种语音数据生成方法及装置。可以大大降低获取语音样本数据的成本，并且，较易实现多种类语音风格的韵律特征参数，从而实现在低成本的基础上获取种类丰富的语音风格。

具体地，所述语音数据生成方法及装置是这样实现的：

一种语音数据生成方法，所述方法包括：

确定文本数据对应的语音风格；

利用语音风格模型组件确定所述语音风格对应的韵律特征参数，其中，所述语音风格模型组件利用多个语音样本数据的语音风格与所述语音样本数据的韵律特征参数之间的对应关系训练得到；

基于所述韵律特征参数，对所述文本数据进行语音合成，生成具有所述语音风格的语音数据。

一种语音数据生成装置，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现：

确定文本数据对应的语音风格；

利用语音风格模型组件确定所述语音风格对应的韵律特征参数，其中，所述语音风格模型组件利用多个语音样本数据的语音风格与所述语音样本数据的韵律特征参数之间的对应关系训练得到；

基于所述韵律特征参数，对所述文本数据进行语音合成，生成具有所述语音风格的语音数据。