[发明专利]语音合成编码方法及装置

权利要求书

1.一种语音合成编码方法，其特征在于，包括：

开始将文本数据合成为pcm流数据，并将所述pcm流数据存储于缓冲区；

根据当前系统负载情况动态计算开始播放需要的起始缓冲阈值Tstart；

若缓冲区缓冲时长大于所述起始缓冲阈值Tstart时，读取缓冲区的所述pcm流数据进行播放；

根据当前系统负载情况动态计算持续播放需要的持续缓冲阈值Tblock；

若缓冲区缓冲时长大于所述持续缓冲阈值Tblock，则暂停将文本数据合成为pcm流数据，并等待预设时间后返回计算持续缓冲阈值Tblock的步骤；否则，持续将文本数据合成为pcm流数据，并等待预设时间后返回计算持续缓冲阈值Tblock的步骤，直至将全部的文本数据合成为pcm流数据。

2.根据权利要求1所述的语音合成编码方法，其特征在于，所述根据当前系统负载情况动态计算开始播放需要的起始缓冲阈值Tstart，包括：

若T2-T1Tmin，则Tstart＝Tmin，否则Tstart＝T2-T1；

其中，T1为合成时长预估；

T2为播放时长；

Tmin为最小缓冲时长。

3.根据权利要求2所述的语音合成编码方法，其特征在于，T1＝L*U/C，T2＝L*T；

其中，C为单核cpu最大空闲算力；U为单字合成算力消耗；T为单字时长预估；L为整句字长。

4.根据权利要求1所述的语音合成编码方法，其特征在于，所述根据当前系统负载情况动态计算持续播放需要的持续缓冲阈值Tblock，包括：

若T4≤T3，Tblock＝T3，否则Tblock＝x*(T2-T1)+Tbuf；

若Tblock＜Tmin，则Tblock＝Tmin；

其中，T4为剩余播放时长预估，T3为剩余合成时长预估，Tbuf为当前缓冲区剩余播放时长，x为缓冲单位。

5.根据权利要求4所述的语音合成编码方法，其特征在于，T3＝R*U/C，T4＝R*T+Tbuf，Tmin＝F*Tplayer；

其中，C为单核cpu最大空闲算力；U为单字合成算力消耗；R为剩余字长，F为最小播放缓冲系数，Tplayer为播放器最小缓冲区缓冲时长，T为单字时长预估。

6.根据权利要求5所述的语音合成编码方法，其特征在于，所述缓冲单位x＝1％，所述最小播放缓冲系数F＝2。

7.根据权利要求1所述的语音合成编码方法，其特征在于，还包括暂停播放所述pcm流数据的步骤。

8.一种语音合成编码装置，其特征在于，包括：

缓冲模块，用于开始将文本数据合成为pcm流数据，并将所述pcm流数据存储于缓冲区；

第一计算模块，用于根据当前系统负载情况动态计算开始播放需要的起始缓冲阈值Tstart；

播放模块，当缓冲区缓冲时长大于所述起始缓冲阈值Tstart时，用于读取缓冲区的所述pcm流数据进行播放；

第二计算模块，用于根据当前系统负载情况动态计算持续播放需要的持续缓冲阈值Tblock；

判断模块，用于若缓冲区缓冲时长大于所述持续缓冲阈值Tblock，则暂停将文本数据合成为pcm流数据，并等待预设时间后返回计算持续缓冲阈值Tblock的步骤；否则，持续将文本数据合成为pcm流数据，并等待预设时间后返回计算持续缓冲阈值Tblock的步骤，直至将全部的文本数据合成为pcm流数据。

9.根据权利要求8所述的语音合成编码装置，其特征在于，所述第一计算模块用于

若T2-T1Tmin，则Tstart＝Tmin，否则Tstart＝T2-T1；

其中，T1为合成时长预估；

T2为播放时长；

Tmin为最小缓冲时长。

10.根据权利要求8所述的语音合成编码装置，其特征在于，所述第二计算模块用于

若T4≤T3，Tblock＝T3，否则Tblock＝x*(T2-T1)+Tbuf；

若Tblock＜Tmin，则Tblock＝Tmin；

其中，T4为剩余播放时长预估，T3为剩余合成时长预估，Tbuf为当前缓冲区剩余播放时长，x为缓冲单位。