[发明专利]语音合成语料库的构建方法、装置及设备

权利要求书

1.一种语音合成语料库的构建方法，其特征在于，包括：

对干声语音进行语音处理，得到所述干声语音对应的纯净语音，所述干声语音为未经过专业录音棚录制的人声语音，或者，在录制后未经过后期处理的人声语音；

对所述纯净语音进行语音识别，得到所述纯净语音对应的文本；

将所述纯净语音和所述文本输入至韵律转换工具中，获取所述韵律转换工具输出的韵律信息，所述韵律信息包括：停顿信息、音调信息、各音子的边界信息；

将所述纯净语音和所述韵律信息作为训练语料，加入所述语料库中。

2.根据权利要求1所述的方法，其特征在于，所述将所述纯净语音和所述韵律信息作为训练语料，加入所述语料库中之前，所述方法还包括：

对所述纯净语音进行静音探测，得到静音探测结果，所述静音探测结果用于指示所述纯净语音中的静音的位置及时长信息；

根据所述静音探测结果，对所述韵律信息中的各音子的边界信息进行修正。

3.根据权利要求2所述的方法，其特征在于，所述根据所述静音探测结果，对所述韵律信息中的各音子的边界信息进行修正，包括：

根据所述静音探测结果，确定所述纯净语音对应的句首静音时长和句尾静音时长；

若所述韵律信息中句首静音音子的边界信息与所述句首静音时长不匹配，则根据所述句首静音时长，对所述句首静音音子以及相邻音子的边界信息进行修正；

若所述韵律信息中句尾静音音子的边界信息与所述句尾静音时长不匹配，则根据所述句尾静音时长，对所述句尾静音音子以及相邻音子的边界信息进行修正。

4.根据权利要求2所述的方法，其特征在于，所述根据所述静音探测结果，对所述韵律信息中的各音子的边界信息进行修正，包括：

针对所述韵律信息中的每个句中音子，根据所述句中音子的边界信息，确定所述句中音子的发音时长；

若所述句中音子的发音时长大于或者等于第一预设阈值，则根据所述静音探测结果，确定出静音音子的边界信息，并在所述韵律信息中与所述句中音子相邻的位置插入所述静音音子的边界信息，并对所述句中音子的边界信息进行修正。

5.根据权利要求1所述的方法，其特征在于，所述将所述纯净语音和所述文本输入至韵律转换工具中，获取所述韵律转换工具输出的韵律信息之后，还包括：

根据所述文本，获取所述文本对应的声母音子的数量和韵母音子的数量；

根据所述韵律信息，获取所述韵律信息中的声母音子的数量和韵母音子的数量；

若所述韵律信息中的声母音子的数量与所述文本对应的声母音子的数量不一致，或者，所述韵律信息中的韵母音子的数量与所述文本对应的韵母音子的数量不一致，则确定不将所述纯净语音以及所述韵律信息加入所述语料库中。

6.根据权利要求3所述的方法，其特征在于，所述根据所述静音探测结果，确定所述纯净语音对应的句首静音时长和句尾静音时长之后，还包括：

若所述句首静音时长小于第二预设阈值，或者，所述句尾静音时长小于第二预设阈值，则确定不将所述纯净语音以及所述韵律信息加入所述语料库中。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述语音处理包括下述处理中的至少一项：

对所述干声语音进行格式转换、对所述干声语音进行背景噪音移除、对所述干声语音进行音量归一化处理。

8.一种语音合成语料库的构建装置，其特征在于，包括：

语音处理模块，用于对干声语音进行语音处理，得到所述干声语音对应的纯净语音，所述干声语音为未经过专业录音棚录制的人声语音，或者，在录制后未经过后期处理的人声语音；

语音识别模块，用于对所述纯净语音进行语音识别，得到所述纯净语音对应的文本；

转换模块，用于将所述纯净语音和所述文本输入至韵律转换工具中，获取所述韵律转换工具输出的韵律信息，所述韵律信息包括：停顿信息、音调信息、各音子的边界信息；

加入模块，用于将所述纯净语音和所述韵律信息作为训练语料，加入所述语料库中。