[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

本申请涉及一种语音合成方法、装置、计算机设备和存储介质。所述方法包括：对待合成语音文本进行拆分，得到多个拆分后语音文本；对拆分后语音文本进行分类，得到第一语音文本和第二语音文本；第一语音文本为包括有用户信息的语音文本；第二语音文本表示为未包括用户信息的语音文本；获取第一语音文本对应的第一语音，以及，获取第二语音文本对应的第二语音；第一语音与第二语音的语音参数相对应；将第一语音与第二语音进行拼接处理，得到待合成语音文本的合成语音。本方法通过第一语音与第二语音的语音参数相对应，使得拼接后得到的合成语音在语调、音量和音色上保持统一，实现了平滑拼接，极大地降低了拼接点处语音的突兀感。

技术领域

本申请涉及语音合成技术领域，特别是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

智能语音交互(Intelligent Speech Interaction)，是基于语音识别、语音合成、自然语言理解等技术，赋予产品“能听、会说、懂你”式的智能人机交互体验。在智能语音交互场景中，传统的语音合成方法是通过人工预录音后进行拼接的方式实现语音的录制。

但是，通过人工预录音的方法中，人工录制录音在情感、语调、音量等方面很难做到前后统一，易导致拼接得到的语音在拼接点处有很明显的突兀感。

因此，传统的语音合成方法得到的语音存在难以在情感、语调和音量等方面均满足需求的问题。

发明内容

基于此，有必要针对上述语音合成方法得到的语音存在难以在情感、语调和音量等方面均满足需求的技术问题，提供一种语音合成方法、装置、计算机设备和存储介质。

一种语音合成方法，所述方法包括：

对待合成语音文本进行拆分，得到多个拆分后语音文本；

对所述拆分后语音文本进行分类，得到第一语音文本和第二语音文本；所述第一语音文本为包括有用户信息的语音文本；所述第二语音文本表示为未包括用户信息的语音文本；

获取所述第一语音文本对应的第一语音，以及，获取所述第二语音文本对应的第二语音；所述第一语音与所述第二语音的语音参数相对应；

将所述第一语音与所述第二语音进行拼接处理，得到所述待合成语音文本的合成语音。

在其中一个实施例中，在对待合成语音文本进行拆分之前，还包括：

获取语音通话对象的第一应答语音；

通过预先训练的语音识别模型对所述第一应答语音进行识别，得到所述第一应答语音的语音文本信息；

根据所述语音文本信息，确定针对所述第一应答语音的第二应答语音文本；

将所述第二应答语音文本中包括的目标信息替换为所述用户信息，得到所述待合成语音文本。

在其中一个实施例中，所述对待合成语音文本进行拆分，得到多个拆分后语音文本，包括：

获取所述待合成语音文本中的语音文本拆分位置；所述语音文本拆分位置根据所述待合成语音文本中的标点位置信息确定；

按照所述语音文本拆分位置，对所述待合成语音文本进行拆分，得到所述待合成语音文本的多个拆分后语音文本。

在其中一个实施例中，所述获取所述第一语音文本对应的第一语音，包括：

将所述第一语音文本与预设语音缓存中的预设语音的语音文本进行匹配；

若所述第一语音文本与预设语音缓存中的预设语音的语音文本匹配，则将与所述第一语音文本匹配的语音文本的语音，作为所述第一语音；