[发明专利]数据生成方法、装置、可读介质及电子设备

说明书

本公开涉及一种数据生成方法、装置、可读介质及电子设备。所述方法包括：从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；针对每一种目标词性，从与目标词性相符合的单词集合中确定出与目标词性对应的至少一个关键词；按照预设的单词组合方式，对关键词进行组合，获得多个组合词，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。由此，能够自动生成新的组合词并自动获得能够表征组合词读音的音素序列，无需人工构建，另外，还可将生成的组合词及其音素序列用于模型的增广训练中，提升模型的泛化能力。

技术领域

本公开涉及数据处理领域，具体地，涉及一种数据生成方法、装置、可读介质及电子设备。

背景技术

在语音合成场景中，通常需要针对一段文本，确定文本的音素，进而根据音素实现发音，这是语音合成前端的一个重要环节，简称为G2P(Grapheme-to-Phoneme，单词到音素)。相关技术中，一般使用发音字典(也可称为发音词典)查询能够表征单词读音的音素，其中，发音字典包含语音合成系统所能处理的单词的集合，并标明了其发音。但是，现有的发音字典所覆盖的单词有限，常常无法查找到单词对应的音素，进而出现无法识别单词读音的问题。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种数据生成方法，所述方法包括：

从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

针对每一种目标词性，从与所述目标词性相符合的单词集合中确定出与所述目标词性对应的至少一个关键词；

按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；

确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

第二方面，本公开提供一种数据生成装置，所述装置包括：

第一获取模块，用于从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

第一确定模块，用于针对每一种目标词性，从与所述目标词性相符合的单词集合中确定出与所述目标词性对应的至少一个关键词；

组合模块，用于按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；

第二确定模块，用于确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。