[发明专利]语音拼接方法和语音拼接装置

说明书

本申请涉及语音合成领域，提供一种语音拼接方法和语音拼接装置，语音拼接方法，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，韵律音素序列包括与目标文本对应的多个音素以及位于相邻音素之间的韵律标识符；分别对分句序列进行语音合成，生成多个第一分句语音信息，第一分句语音信息包括每一个韵律标识符和音素对应的第一时长；基于第一时长和第一分句语音信息对应的分句序列在韵律音素序列中的切分顺序，拼接多个第一分句语音信息，生成目标语音。本申请的语音拼接方法，能够实现在不需要预设语音拼接单元库且不需要对待拼接语音单元进行平滑处理的基础上，即可提高相邻第一分句语音信息拼接处的自然度与流畅度。

技术领域

本申请涉及语音合成技术领域，尤其涉及语音拼接方法和语音拼接装置。

背景技术

从文本到语音(Text To Speech，TTS)技术被广泛应用于语音合成领域。对于不同的分句，传统拼接的方法只对各分句对应的语音文件进行简单处理后即对各语音文件进行拼接，如基于波形拼接和基于统计参数建模拼接等，这些方法需要预设语音拼接单元库，或使用复杂的算法对波形衔接处作平滑处理，无法保证拼接处韵律的自然度。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种语音拼接方法。

本申请还提出一种语音拼接装置。

本申请还提出一种电子设备。

本申请还提出一种非暂态计算机可读存储介质。

本申请还提出一种计算机程序产品。

根据本申请第一方面实施例的语音拼接方法，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。

根据本申请实施例的语音拼接方法，在将目标文本切分为多个分句序列后并合成各分句序列对应的第一分句语音信息后，基于各分句序列中音素对应的时长对第一分句语音信息中多余音素对应的语音进行截除，从而实现在不需要预设语音拼接单元库且不需要对待拼接语音单元进行平滑处理的基础上，即可提高相邻第一分句语音信息拼接处的自然度与流畅度。

根据本申请的一个实施例，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。

根据本申请的一个实施例，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。