[发明专利]语音合成方法、装置、计算机设备和存储介质

说明书

本申请提出一种语音合成方法、装置、计算机设备和存储介质，其中，方法包括：通过一次只生成一个待处理词语的文本语音转换结果，同时能考已处理词语的声音特征，使得产生的文本语音转换结果能够很平滑，不会产生顿挫的感觉，也就是能够接收词语的文本语音转换结果，并且合并一个句子内的子文本语音转换结果片段后，不影响整体效果，在提高语音合成效率的同时保证语音效果，解决了现有技术中的将一个句子拆分成多个文本语音转换结果，容易产生顿挫的语音信号，衔接性非常差，或者是等待语音合成系统生成完整的语音合成结果才能下发给相关设备进行播放导致时间延迟较大的技术问题。

技术领域

本申请涉及语音处理技术领域，尤其涉及一种语音合成方法、装置、计算机设备和存储介质。

背景技术

通常，传统语音合成系统中，只能针对一整句进行语音合成，无法接受一个词或者一个短语的语音合成，或者说拼接短语片段的合成结果形成的最终合成语音体验很差，容易产生顿挫的感觉，而且语音片段之间的衔接十分不自然。尤其在一些实时场景中，例如同声传译场景中，需要根据说话人的翻译结果，实时的生成语音信号，如果等待说话人讲完一句话或者拼接部分翻译结果，都会导致语音合成效果不是很理想。

相关技术中，根据需要一次生成若干词的文本语音转换结果，单独进行调用播放；或者是等待语音合成系统生成完整的文本句子，统一生成一个文本语音转换结果，然而，一个句子如果拆分成多个文本语音转换结果，容易产生顿挫的语音信号，衔接性非常差；以及等待语音合成系统生成完整的句子时延较大，需要等待生成完整的语音合成结果才能下发给相关设备进行播放。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请提出一种语音合成方法、装置、计算机设备和存储介质，用于解决现有技术中的将一个句子拆分成多个文本语音转换结果，容易产生顿挫的语音信号，衔接性非常差，或者是等待语音合成系统生成完整的语音合成结果才能下发给相关设备进行播放导致时间延迟较大的技术问题，通过一次只生成一个待处理词语的文本语音转换结果，同时能考已处理词语的声音特征，使得产生的文本语音转换结果能够很平滑，不会产生顿挫的感觉，也就是能够接收词语的文本语音转换结果，并且合并一个句子内的子文本语音转换结果片段后，不影响整体效果，在提高语音合成效率的同时保证语音效果。

为达上述目的，本申请第一方面实施例提出了一种语音合成方法，包括：

获取待处理文本，并对所述待处理文本进行切词处理生成多个待处理词语；

对第N个待处理词语进行编码处理生成第N个语义空间向量；其中，N为正整数；

获取第N个待处理词语之前的已处理词语的N-1个声音特征；

根据所述第N个语义空间向量和所述已处理词语的N-1个声音特征进行解码处理生成与所述第N个待处理词语对应的目标声音特征；

根据所述目标声音特征生成与所述第N个待处理词语对应的第N个语音，并根据多个所述第N个语音合成与所述待处理文本对应的语音信息。