[发明专利]一种汉语盲文语音合成方法及系统

说明书

本发明提出一种汉语盲文语音合成方法和系统，包括：通过将待语音合成的通用盲文文本中标点符号和音节分别转换为中文标点和拼音，得到拼音序列；通过汉字预测模型将该拼音序列转换为汉字，得到带有分词信息的汉字序列，并将该汉字序列输入至韵律预测模型，得到该汉字序列的韵律标签；结合该韵律标签和拼音序列，得到含有韵律标签的拼音序列，并将其输入至语音合成模块，得到该通用盲文文本的语音合成结果。本发明可应用于盲用终端上的电子书阅读器文本编辑器等软件，可以实现通用盲文的实时语音转换，帮助盲人在阅读盲文时可以实时听到其触摸的文字，更好地理解他们所阅读的内容。

技术领域

本发明涉及盲文处理技术和语音合成技术领域，特别是通用盲文到语音的自动转换领域。

背景技术

在中国有超过1700万的视力障碍者，其中包括500多万的盲人。盲文是盲人使用的读写系统，通过触觉通道获取信息。在通过触觉阅读盲文时，在需要时能同时收听到盲文对应的语音，也是盲人所希望的。这可以为信息获取提供一种方便提多的方式，帮助盲人更好地理解他们所阅读的内容，特别是对于那些不善于阅读盲文的人来说。而在大多数情况下，盲文文本是独立生成的或从明眼人使用的文本经修改得到的，这导致无法获得相应的明眼人使用的文本，因此，需要直接从盲文文本进行语音合成的方法和系统。

对于大多数语言，如英语，盲文文本可以通过简单的字符级映射转换为相应的明眼人使用的文本，从而使盲文语音合成与明眼人使用的文本的语音合成几乎相同。然而，对于汉语来说，情况并非如此。由于数以万计的汉字和64个盲文符号(也称为“方”)之间不可能做到直接的一一映射，因此汉语盲文被设计成一种拼音文字，其中每个汉字最多对应三方，分别代表与该字对应的音节的声母、韵母和声调。为了避免歧义，汉语盲文中引入了分词连写规则，将词或某些短语对应的盲文符号连写在一起，而与其它连写的词或短语之间用特定的盲文符号(称作“空方”，相当于明眼人使用的文字中的空格)分隔。盲文的分词连写规则与中文分词存在区别：很多语法和语义上结合较紧密的短语需要连写在一起，以避免太多的空方。盲文标准中规定了许多具体的语法和语义相关的标准，以规范哪些短语需要连写。汉语盲文主要有三种方案：现行盲文、双拼盲文和通用盲文。这三种方案的主要区别是，在现行盲文中，只有少量的音节(约5％)是标有声调的。而双拼盲文和通用盲文则几乎实现了“字字标调”。其中，通用盲文是2018年国家语委等部门联合发布并推广的盲文方案。本发明主要研究从通用盲文文本进行语音合成。

目前，关于盲文语音合成的工作还很少。从汉语盲文合成语音，有两种路线，一种是采用盲文到汉字的转换系统将盲文文本转换为汉字文本，然后采用汉语语音合成系统生成语音；另一种是直接从汉语盲文进行语音合成。目前还没有见到关于直接从汉语盲文合成语音的研究。但事实上，直接从汉语盲文合成语音比从盲文转换的汉语文本合成语音更为优势：首先，为了进行语音合成，汉语文本和盲文文本都需要转换为发音标记，通常是中文拼音，以传入TTS(文本转语音)系统，而使用盲文文本进行这种转换显然比使用从盲文文本转换的中文文本要好。这是因为汉字中有许多多音字和同音字，盲文到汉字和汉字到拼音的转换都可能引入错误，从而使得最终得到的发音标记(拼音)准确性不足，而盲文到拼音的转换则具有相当高的准确性。其次，盲文中的词语分割是由专家生成的，并且比中文单词分割的粒度更粗，可以传达更完整的语义信息，因此可以帮助韵律预测(语音合成过程中的一个重要阶段)，而如果直接将盲文转换得到的汉字文本输入已有的中文语音合成系统，则无法利用盲文中的分词信息。