[发明专利]语音合成方法及系统

权利要求书

1.一种语音合成方法，包括：

从原始语音中获取基频信息和声学特征信息；

根据所述基频信息生成脉冲串，并将所述脉冲串输入至谐波时变滤波器；

将所述声学特征信息输入至神经网络滤波器评估器得到相应的脉冲响应信息；

通过噪声生成器生成噪声信号；

所述谐波时变滤波器根据输入的所述脉冲串和所述脉冲响应信息进行滤波处理确定谐波成分信息；

采用噪声时变滤波器根据输入的所述脉冲响应信息和所述噪声确定噪声成分信息；

根据所述谐波成分信息和所述噪声成分信息生成合成语音；

其中，所述神经网络滤波器评价器包括神经网络单元和离散时间傅里叶逆变换单元；将所述声学特征信息输入至神经网络滤波器评估器得到相应的脉冲响应信息包括：

将所述声学特征信息输入至所述神经网络单元分析得到对应于谐波的第一复倒谱信息和对应于噪音的第二复倒谱信息；

所述离散时间傅里叶逆变换单元将所述第一复倒谱信息和第二复倒谱信息转换为对应于谐波的第一脉冲响应信息和对应于噪音的第二脉冲响应信息。

2.根据权利要求1所述的方法，其中，

所述谐波时变滤波器根据输入的所述脉冲串和所述脉冲响应信息进行滤波处理确定谐波成分信息包括：谐波时变滤波器根据输入的所述脉冲串和第一脉冲响应信息进行滤波处理确定谐波成分信息；

所述噪声时变滤波器根据输入的所述脉冲响应信息和所述噪声确定噪声成分信息包括：噪声时变滤波器根据输入的第二脉冲响应信息和所述噪声确定噪声成分信息。

3.根据权利要求1所述的方法，其中，所述根据所述谐波成分信息和所述噪声成分信息生成合成语音包括：

将所述谐波成分信息和所述噪声成分信息输入至有限长单脉冲响应系统，以生成合成语音。

4.一种语音合成系统，包括：

脉冲串生成器，用于根据原始语音的基频信息生成脉冲串；

神经网络滤波器评估器，用于将原始语音的声学特征信息作为输入以得到相应的脉冲响应信息；

随机噪声生成器，用于生成噪声信号；

谐波时变滤波器，用于根据输入的所述脉冲串和所述脉冲响应信息进行滤波处理确定谐波成分信息；

噪声时变滤波器，用于根据输入的所述脉冲响应信息和所述噪声确定噪声成分信息；

脉冲响应系统，用于根据所述谐波成分信息和所述噪声成分信息生成合成语音；

其中，所述神经网络滤波器评价器包括神经网络单元和离散时间傅里叶逆变换单元；所述将原始语音的声学特征信息作为输入以得到相应的脉冲响应信息包括：

将所述声学特征信息输入至所述神经网络单元分析得到对应于谐波的第一复倒谱信息和对应于噪音的第二复倒谱信息；

所述离散时间傅里叶逆变换单元将所述第一复倒谱信息和第二复倒谱信息转换为对应于谐波的第一脉冲响应信息和对应于噪音的第二脉冲响应信息。

5.根据权利要求4所述的系统，其中，

所述根据输入的所述脉冲串和所述脉冲响应信息进行滤波处理确定谐波成分信息包括：谐波时变滤波器根据输入的所述脉冲串和第一脉冲响应信息进行滤波处理确定谐波成分信息；

根据输入的所述脉冲响应信息和所述噪声确定噪声成分信息包括：噪声时变滤波器根据输入的第二脉冲响应信息和所述噪声确定噪声成分信息。

6.根据权利要求4或5所述的系统，其中，所述语音合成系统在用于进行语音合成之前采用以下优化训练方式：

针对所述原始语音和所述合成语音，采用多分辨率STFT损失和对抗损失对所述语音合成系统进行训练。

7.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任意一项所述方法的步骤。

8.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-3中任意一项所述方法的步骤。