[发明专利]解决语音合成中拼接处产生脉冲信号的方法、装置及系统

说明书

本发明提供了解决语音合成中拼接处产生脉冲信号的方法、装置及系统，方法包括：从数据库中提取待拼接的两个语音片段分别作为第一语音片段和第二语音片段，并从所述第一语音片段和第二语音片段中预留N个采样点作为重叠部分；其中，N＞256；根据所述采样点，计算渐出系数向量和渐入系数向量；利用所述渐出系数向量和渐入系数向量，得到重叠部分的采样点值；基于得到的重叠部分的采样点值，完成所述第一语音片段和第二语音片段的拼接。该方法不关心语音合成时拼接处产生脉冲信号的原由，通过前后段采样点值的加权平均之后，达到了语音平滑的效果，极大改善脉冲信号对语音整体韵律、音质、听感产生的负面影响，可以减轻或者避免噪声现象的发生。

技术领域

本发明书一个或多个实施例涉及自然语言处理技术领域，尤其涉及一种解决语音合成中拼接处产生脉冲信号的方法、装置及系统。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述可包括可以探究的概念，但不一定是之前已经想到或者已经探究的概念。因此，除非在此指出，否则在本部分中描述的内容对于本申请的说明书和权利要求书而言不是现有技术，并且并不因为包括在本部分中就承认是现有技术。

随着智能语音技术的迅猛发展，语音交互已经成为众多智能设备中人机交互的必选方案，比如越来越多的企业、机构推出基于语音交互技术的产品，如语音点餐系统。这类产品利用语音识别、自然语言处理等技术，分析用户的语音输入，以完成相应的操作或任务，如点单操作或点餐任务，而实现人机交互过程中必不可少的一环就是语音合成技术。

现有语音合成的应用中，大多数为在线应用场景。相较于离线应用场景，在线场景无法等待完整语音合成后，再进行网络传输或者播放语音，必须进行流式处理，语音分段生成后进行传输或者播放。

但现有技术存在如下问题：语音合成流式处理中，每次返回的为语音片段，且前后段语音片段为独立计算所得。如此两段语音在拼接处经常产生脉冲信号，对语音整体韵律、音质、听感产生很大负面影响。

有鉴于此，亟需一种技术，用于解决语音合成流式处理中解决拼接处产生脉冲信号，以消除其对语音整体韵律、音质、听感产生的负面影响。

发明内容

本说明书一个或多个实施例描述了一种解决语音合成中拼接处产生脉冲信号的方法、装置及系统，可解决目前技术中存在的语音合成过程中，两段语音在拼接处经常产生脉冲信号，容易产生噪声的问题。

本说明书一个或多个实施例提供的技术方案如下：

第一方面，本发明提供了一种解决语音合成中拼接处产生脉冲信号的方法，其特征在于，所述方法包括以下步骤：

从数据库中提取待拼接的两个语音片段分别作为第一语音片段和第二语音片段，并从所述第一语音片段和第二语音片段中预留N个采样点作为重叠部分；其中，N＞256；

根据所述采样点，计算渐出系数向量和渐入系数向量；

利用所述渐出系数向量和渐入系数向量，得到重叠部分的采样点值；

基于得到的重叠部分的采样点值，完成所述第一语音片段和第二语音片段的拼接。

在一种可能的实现方式中，利用所述渐出系数向量和渐入系数向量，得到重叠部分的采样点值，具体为：

根据第一语音片段中的采样点值和第二语音片段中的采样点值，以及渐出系数向量和渐入系数向量，得到重叠部分的采样点值。

在一种可能的实现方式中，按如下公式计算渐出系数向量：

在一种可能的实现方式中，按如下公式计算渐出系数向量：

在一种可能的实现方式中，按如下公式计算重叠部分的采样点值：