[发明专利]一种韵律短语标注方法和装置

权利要求书

1.一种韵律短语标注方法，其特征在于，所述方法包括：

获取语音数据，并将所述语音数据划分为多个第一音频帧；

根据所述多个第一音频帧，确定所述语音数据中的每个第一文字、每个所述第一文字分别对应的所述第一音频帧、以及每个所述第一音频帧的音素后验概率，并确定每个所述第一音频帧的基频值；

根据第一目标音频帧的基频值和音素后验概率，确定所述第一目标音频帧的概率值，所述第一目标音频帧为所述多个第一音频帧中的任意一个音频帧，所述概率值表征所述第一目标音频帧为所述语音数据的韵律短语边界对应的音频帧的概率；

根据每个所述第一文字分别对应的所述第一目标音频帧的概率值，确定所述韵律短语边界。

2.根据权利要求1所述的方法，其特征在于，所述根据第一目标音频帧的基频值和音素后验概率，确定所述第一目标音频帧的概率值，包括：

将所述第一目标音频帧的基频值和音素后验概率输入第一模型，得到所述第一目标音频帧的概率值。

3.根据权利要求2所述的方法，其特征在于，在所述将所述第一目标音频帧的基频值和音素后验概率输入第一模型之前，还包括：

获取多个样本语音数据、以及每个所述样本语音数据的韵律短语边界；

将目标样本语音数据划分为多个第二音频帧，并根据所述多个第二音频帧，确定所述目标样本语音数据中的每个第二文字、每个所述第二文字分别对应的所述第二音频帧、以及每个所述第二音频帧的音素后验概率，并确定每个所述第二音频帧的基频值，所述目标样本语音数据为所述多个样本语音数据中的任意一个样本语音数据；

根据每个所述第二文字分别对应的所述第二音频帧，设置所述多个第二音频帧中与所述目标样本语音数据的韵律短语边界对应的第二音频帧的标签为第一标签、以及设置所述多个第二音频帧中除与所述目标样本语音数据的韵律短语边界对应的第二音频帧之外的第二音频帧的标签为第二标签，所述第一标签与所述第二标签为不同的标签；

根据第二目标音频帧的标签、音素后验概率和基频值对第一预设模型进行训练，得到所述第一模型，所述第二目标音频帧为所述多个第二音频帧中的任意一个音频帧。

4.根据权利要求1所述的方法，其特征在于，所述根据第一目标音频帧的基频值和音素后验概率，确定所述第一目标音频帧的概率值，包括：

将所述第一目标音频帧的音素后验概率输入第二模型，得到所述第一目标音频帧的第一权重；

将所述第一目标音频帧的基频值和第一权重输入第一模型，得到所述第一目标音频帧的概率值。

5.根据权利要求4所述的方法，其特征在于，在所述将所述第一目标音频帧的音素后验概率输入第二模型，得到所述第一目标音频帧的第一权重之前，还包括：

获取多个样本语音数据、以及每个所述样本语音数据的韵律短语边界；

将目标样本语音数据划分为多个第二音频帧，并根据所述多个第二音频帧，确定所述目标样本语音数据中的每个第二文字、每个所述第二文字分别对应的所述第二音频帧、以及每个所述第二音频帧的音素后验概率，并确定每个所述第二音频帧的基频值，所述目标样本语音数据为所述多个样本语音数据中的任意一个样本语音数据；

根据每个所述第二文字分别对应的所述第二音频帧，设置所述多个第二音频帧中与所述目标样本语音数据的韵律短语边界对应的第二音频帧的标签为第一标签、以及设置所述多个第二音频帧中除与所述目标样本语音数据的韵律短语边界对应的第二音频帧之外的第二音频帧的标签为第二标签，所述第一标签与所述第二标签为不同的标签；

将第二目标音频帧的音素后验概率输入第二预设模型，得到所述第二目标音频帧的第二权重，所述第二目标音频帧为所述多个第二音频帧中的任意一个音频帧；

根据所述第二目标音频帧的标签、第二权重和基频值对第一预设模型和所述第二预设模型进行训练，得到所述第一模型和所述第二模型。