[发明专利]一种音色筛选方法及装置

说明书

本发明公开了一种音色筛选方法及装置，包括：根据若干个发音人的音频数据获取相应的音频向量集合；其中，音频向量集合中的每一个音频向量对应一个发音人标签；音频向量包含发音人的音色特征；根据预设的聚类算法对音频向量集合进行聚类，获得聚类结果；根据发音人标签对聚类结果中的每一个簇类进行簇标签标记；根据标记结果将聚类结果中的簇标签相同的簇类进行合并，获得合并聚类结果；其中，合并聚类结果中的簇类的数量与发音人的数量相同；计算获得合并聚类结果中的每一个簇类的错误率，并根据错误率对发音人的音色进行筛选。采用本发明能够解决多发音人语音合成系统中音色筛选过程繁琐的问题，节约时间成本和人工成本。

技术领域

本发明涉及语音合成技术领域，尤其涉及一种音色筛选方法及装置。

背景技术

在多发音人的语音合成系统中，发音人音色的差异性不同，有些发音人音色的差异性较大，有些发音人音色的差异性较小，语音合成系统难以区分音色相似的发音人，而音色相似的发音人对应的音频数据通常会相互影响，并在最终合成语音时输出混合了音色相似的发音人的音色特征的不自然音频，影响合成语音的音色质量。

为了保证合成语音的音色质量，通常的解决方式是人工试听所有发音人的音频进行筛选，但是，当发音人的数量较多时，人工试听所耗费的时间较长，人工成本较大，筛选过程繁琐。

发明内容

本发明实施例所要解决的技术问题在于，提供一种音色筛选方法及装置，能够解决多发音人语音合成系统中音色筛选过程繁琐的问题，节约时间成本和人工成本。

为了解决上述技术问题，本发明实施例提供了一种音色筛选方法，包括：

根据若干个发音人的音频数据获取相应的音频向量集合；其中，所述音频向量集合中的每一个音频向量对应一个发音人标签；所述音频向量包含发音人的音色特征；

根据预设的聚类算法对所述音频向量集合进行聚类，获得聚类结果；

根据所述发音人标签对所述聚类结果中的每一个簇类进行簇标签标记；

根据标记结果将所述聚类结果中的簇标签相同的簇类进行合并，获得合并聚类结果；其中，所述合并聚类结果中的簇类的数量与发音人的数量相同；

计算获得所述合并聚类结果中的每一个簇类的错误率，并根据所述错误率对发音人的音色进行筛选。

进一步地，所述根据所述发音人标签对所述聚类结果中的每一个簇类进行簇标签标记，具体包括：

对于任意一个簇类，根据所述发音人标签对所述簇类中的音频向量的数量进行分类统计；

根据统计结果将数量最多的音频向量对应的发音人标签作为所述簇类的簇标签。

进一步地，所述计算获得所述合并聚类结果中的每一个簇类的错误率，并根据所述错误率对发音人的音色进行筛选，具体包括：

对于任意一个簇类，根据所述发音人标签对所述簇类中的音频向量的数量进行分类统计；

根据统计结果以及所述簇类的簇标签计算获得不属于所述簇类的音频向量对应的错误率；

比较所述错误率与预设的错误率阈值的大小；

当所述错误率小于所述错误率阈值时，将所述簇类中的音频向量作为音色筛选结果。

进一步地，在所述计算获得所述合并聚类结果中的每一个簇类的错误率，并根据所述错误率对发音人的音色进行筛选之后，所述方法还包括：

对于所述音色筛选结果中的任意一个簇类，将所述簇类中与所述簇类的簇标签相同的发音人标签所对应的音频向量存储到预设的发音人音频向量库中；其中，所述发音人音频向量库用于为语音合成系统提供音色合格的发音人音频向量。