[发明专利]一种基于TTS的音频拼接优化的方法及其装置

权利要求书

1.一种基于TTS的音频拼接优化的方法，其特征在于，包括：

构建基于知性会话的知识库；

接收到用户问题录音后，确定所述用户问题录音的用户参数，并根据所述用户问题录音在所述知识库中确定解答录音；

将所述解答录音进行分段，并将分段后的解答录音和用户参数以TTS合成技术合成拼接录音；

获取用户的真人录音并生成测试集，通过所述测试集对所述拼接录音进行训练，得到训练结果，根据所述训练结果对所述拼接录音进行动态优化；

其中，所述方法还包括：

预设多组基准频域参数和与所述基准频域参数对应滤波参数；

获取所述拼接录音的频域参数；

根据所述拼接录音的频域参数与所述基准频域参数，确定所述拼接录音的滤波参数；

根据所述拼接录音的滤波参数配置滤波器，实现主动降噪；

其中，所述获取所述拼接录音的频域参数，包括如下步骤：

对所述拼接语进行分帧，得到分帧公式：

其中，所述表示第i帧语音的第x个采样点的帧值；所述N表示相邻帧之间的距离；

根据对所述拼接语音的分帧，计算每一帧的频域参数；

其中，所述表示第i帧语音的的频域参数，所述每帧语音的起始坐标，所述每帧语音的结尾坐标；为每帧语音的权重；所述n表权重个数；所述D表示所述起始坐标和结尾坐标的距离；

通过所述分帧公式和所述频域参数获取总的频域参数；

其中，所述U表示总频域参数。

2.根据权利要求1所述的一种基于TTS的音频拼接优化的方法，其特征在于，所述构建基于知性会话的知识库，包括：

获取智能外呼场景中基于知性会话的知识图谱；

根据所述知识图谱，确定所述知识图谱中的问题集和答案集，并确定所述问题集中每一个问题的问题参数和答案集中每一个答案的答案参数；

根据所述答案集将答案与所述问题集中的问题对应，其中，所述答案集中的每一答案对应有所述问题集中的多个问题；

将所述答案集中每一个答案和答案参数与所述每一个答案对应的问题和问题参数分别合成，得到多个数据单元；

将所有的所述数据单元进行整理，构成知识库。

3.根据权利要求1所述的一种基于TTS的音频拼接优化的方法，其特征在于，所述接收到用户问题录音后，确定所述用户问题录音的用户参数，并根据所述用户问题录音在所述知识库中确定解答录音，包括：

根据所述用户问题录音，通过标点过滤和无关词过滤，确定所述用户的问题录音的关键字、问题类型和用户参数；

根据所述问题类型，在所述知识库中得到相同类型的问题的问题集；

根据所述关键字确定所述用户问题录音的用户问题参数；

将所述用户问题参数与所述问题集中每一个的问题的问题参数相匹配，并获取匹配结果；

根据所述匹配结果，在所述问题集中确定同答案问题；

根据所述同答案问题在所述知识库中获取解答录音。

4.根据权利要求1所述的一种基于TTS的音频拼接优化的方法，其特征在于，所述将所述解答录音进行分段，并将分段后的解答录音和用户参数以TTS合成技术合成拼接录音，包括：

将所述用户问题录音分段，确定所述用户问题录音中的问题参数；

根据所述用户问题录音的用户参数，确定所述用户参数在所述用户问题录音的用户参数音频段；

根据所述解答录音，获取所述解答录音的录音文本；

将所述录音文本划分为动态填充部分和固定部分；

通过所述动态填充部分，在所述解答录音中标记所述动态填充部分的动态音频段；

根据标记的所述动态音频段将所述解答录音按顺序分段；

在分段后，将标记的动态音频段与所述用户参数音频段进行替换，获取替换后的解答录音；

将所述替换后的解答录音，通过TTS合成技术合成拼接录音。