[发明专利]语音拼接方法和语音拼接装置

权利要求书

1.一种语音拼接方法，其特征在于，包括：

对目标文本的韵律音素序列进行切分，生成多个分句序列，所述韵律音素序列包括与所述目标文本对应的多个音素以及位于相邻所述音素之间的韵律标识符，每个所述分句序列包括至少一个所述音素；

分别对所述分句序列进行语音合成，生成多个第一分句语音信息，所述第一分句语音信息包括每一个所述音素和所述韵律标识符对应的第一时长；

基于所述第一时长和所述第一分句语音信息对应的分句序列在所述韵律音素序列中的切分顺序，拼接所述多个第一分句语音信息，生成目标语音。

2.根据权利要求1所述的语音拼接方法，其特征在于，所述基于所述第一时长和所述第一分句语音信息对应的分句序列在所述韵律音素序列中的切分顺序，拼接所述多个第一分句语音信息，生成目标语音，包括：

基于多个音素中的目标音素对应的第一时长，截去所述第一分句语音信息中与所述目标音素对应的语音，生成第二分句语音信息；

基于所述第二分句语音信息对应的分句序列在所述韵律音素序列中的切分顺序，拼接所述第二分句语音信息，生成所述目标语音。

3.根据权利要求2所述的语音拼接方法，其特征在于，所述目标音素包括句首多余音素和句末多余音素中的至少一种，所述基于多个音素中的目标音素对应的第一时长，截去所述第一分句语音信息中与所述目标音素对应的语音，包括：

确定所述第一分句语音信息对应的分句序列不为所述目标文本中的第一个分句序列，分别截去所述第一分句语音信息中与所述句首多余音素对应的语音和与所述句末多余音素对应的语音；

确定所述第一分句语音信息对应的分句序列为所述目标文本中的第一个分句序列，截去所述第一分句语音信息中与所述句末多余音素对应的语音。

4.根据权利要求1所述的语音拼接方法，其特征在于，在所述生成多个第一分句语音信息之后，且在所述基于所述第一时长和所述第一分句语音信息对应的分句序列在所述韵律音素序列中的切分顺序，拼接所述多个第一分句语音信息之前，所述方法还包括：

输出所述第一分句语音信息。

5.根据权利要求1-4任一项所述的语音拼接方法，其特征在于，在所述对目标文本的韵律音素序列进行切分，生成多个分句序列之前，所述方法还包括：

获取所述目标文本的音节、韵律词、韵律短语、语调短语和句末信息；

将所述目标文本转化为音素序列；

基于所述音节、所述韵律词、所述韵律短语、所述语调短语和所述句末信息中的至少两种，生成所述多个韵律标识符；

基于所述多个韵律标识符标记所述音素序列，生成所述韵律音素序列。

6.根据权利要求1-4任一项所述的语音拼接方法，其特征在于，所述分别对所述分句序列进行语音合成，包括：

将所述分句序列输入至目标语音合成模型，获取由所述目标语音合成模型输出的所述第一分句语音信息，其中，

所述目标语音合成模型为，以样本韵律音素序列为样本，以与所述样本韵律音素序列对应的样本分句语音为样本标签，训练得到。

7.根据权利要求1-4任一项所述的语音拼接方法，其特征在于，所述对目标文本的韵律音素序列进行切分，生成多个分句序列，包括：

基于多个所述韵律标识符中的至少部分切分所述韵律音素序列，生成所述多个分句序列。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述语音拼接方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述语音拼接方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述语音拼接方法。