[发明专利]文本处理、模型训练与语音合成方法、装置、系统及介质

说明书

本发明提供一种文本处理、模型训练与语音合成方法、装置和系统及存储介质。方法包括：获取待处理文本；从待处理文本中识别非标准化词；对非标准化词进行拆分，获得拆分信息，拆分信息包括待处理文本中包含的非标准化词的子非标准化词及子非标准化词的类型信息，子非标准化词为单纯的数字、单纯的字母或单纯的符号；基于拆分信息对待处理文本进行整理，以获得文本标准化数据，文本标准化数据包括从待处理文本中提取出的子非标准化词序列、待处理文本中除子非标准化词序列以外的标准字符序列以及标签信息，标签信息包括非标准化词序列中的每个子非标准化词的类型信息以及标准字符序列中的每个标准字符的类型信息。实现文本标准化数据的细粒度转换。

技术领域

本发明涉及语音合成技术领域，具体地，涉及一种文本处理方法、装置和系统及存储介质与模型训练方法、装置和系统及存储介质与语音合成方法、装置和系统及存储介质。

背景技术

文本标准化(Text Normalization，TN)是语音合成(Text To Speech，简称TTS)系统中很重要的一个环节，对于语音合成的语义理解至关重要。文本标准化是将一个非标准化词(Non-Standard Words，NSW)转化为朗读形式词(Spoken-Form Words，SFW)，以消除歧义的过程。

目前绝大部分的文本标准化实现都以非标准化词为粒度。非标准化词的多样性与复杂性会加大文本标注模型的学习难度和维护成本。

发明内容

为了至少部分地解决现有技术中存在的问题，提供一种声学模型训练方法、装置和系统及存储介质与一种语音合成方法、装置和系统及存储介质。

根据本发明一个方面，提供一种声学模型训练方法，包括：获取待处理文本；从待处理文本中识别非标准化词；对待处理文本中的非标准化词进行拆分，以获得拆分信息，其中，拆分信息包括待处理文本中包含的非标准化词的子非标准化词及子非标准化词的类型信息，其中，子非标准化词为单纯的数字、单纯的字母或单纯的符号；基于拆分信息对待处理文本进行整理，以获得文本标准化数据，文本标准化数据包括从待处理文本中提取出的子非标准化词序列、待处理文本中除子非标准化词序列以外的标准字符序列以及标签信息，标签信息包括非标准化词序列中的每个子非标准化词的类型信息以及标准字符序列中的每个标准字符的类型信息。

根据本发明另一方面，还提供一种模型训练方法，包括：获取如权利要求上述文本处理方法中涉及的待处理文本和拆分信息；将待处理文本作为标注器模型的输入，将拆分信息作为标注器模型的目标输出，对标注器模型进行训练。

根据本发明另一方面，还提供一种语音合成方法，包括：获取待合成文本；利用上述文本处理方法对待合成文本进行处理，以获得与待合成文本相对应的文本标准化数据，或者，将待合成文本输入上述模型训练方法中所涉及的标注器模型，以获得与待合成文本相对应的拆分信息，并基于与待合成文本相对应的拆分信息对待合成文本进行整理，以获得与待合成文本相对应的文本标准化数据；将与待合成文本相对应的文本标准化数据输入转换器模型，以获得与待合成文本相对应的朗读形式词文本；以及将朗读形式词文本转换为语音，以获得目标语音。

根据本发明另一方面，还提供一种文本处理装置，包括：获取模块，用于获取待处理文本；识别模块，用于从待处理文本中识别非标准化词；拆分模块，用于对待处理文本中的非标准化词进行拆分，以获得拆分信息，其中，拆分信息包括待处理文本中包含的非标准化词的子非标准化词及子非标准化词的类型信息，其中，子非标准化词为单纯的数字、单纯的字母或单纯的符号；整理模块，用于基于拆分信息对待处理文本进行整理，以获得文本标准化数据，文本标准化数据包括从待处理文本中提取出的子非标准化词序列、待处理文本中除子非标准化词序列以外的标准字符序列以及标签信息，标签信息包括非标准化词序列中的每个子非标准化词的类型信息以及标准字符序列中的每个标准字符的类型信息。