專利名稱：一種哼唱合成方法和系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及語音合成技術領域，特別是涉及一種哼唱合成方法和系統(tǒng)。
背景技術：
語音合成技術，又稱文語轉換(TTS，Text to Speech)技術，其能將任意文字信息 轉化為標準流暢的語音朗讀出來。目前的語音合成方法是預先錄制一個語音庫，然后在該語音庫基礎上完成一個語 音合成系統(tǒng)。此方法合成聲音的語調節(jié)奏取決于語音庫，即合成出的聲音像是錄音人在說 話。而在一些娛樂應用中，用戶希望可以調節(jié)合成語音的語調節(jié)奏，比如，將短信以歌 曲的語調“唱”出來?？傊枰绢I域技術人員迫切解決的一個技術問題就是如何能夠合成具有歌 曲語調節(jié)奏的語音。

發(fā)明內容
本發(fā)明所要解決的技術問題是提供一種哼唱合成方法和系統(tǒng)，用于輸出帶有歌曲 節(jié)奏和旋律的語音數(shù)據。為了解決上述問題，本發(fā)明公開了一種哼唱合成方法，包括接收用戶輸入的文本；進行文本分析，獲得與所述文本對應的音節(jié)序列，以及，該音節(jié)序列中每個音節(jié)的 音節(jié)名稱；針對所述音節(jié)序列中每個音節(jié)，根據其音節(jié)名稱及上下文環(huán)境，結合統(tǒng)計參數(shù)模 型，規(guī)劃得到相應的時長參數(shù)、基頻參數(shù)和譜參數(shù)；依據用戶選擇的歌曲模板和所述音節(jié)序列的音節(jié)個數(shù)，對所述規(guī)劃得到的時長參 數(shù)、基頻參數(shù)進行調整，其中，所述歌曲模板中存儲有音節(jié)的時長參數(shù)和基頻參數(shù)；依據調整后的時長參數(shù)，對相應音節(jié)的譜參數(shù)進行插值調整；根據所述音節(jié)序列中每個音節(jié)的時長參數(shù)、基頻參數(shù)和譜參數(shù)，利用合成器得到 與所述音節(jié)序列對應的語音數(shù)據。優(yōu)選的，所述對時長參數(shù)、基頻參數(shù)進行調整的步驟，包括獲取所述音節(jié)序列的音節(jié)個數(shù)；從所述歌曲模板中提取與所述音節(jié)個數(shù)相應的時長參數(shù)和基頻參數(shù)，并覆蓋所述 規(guī)劃得到的時長參數(shù)、基頻參數(shù)。優(yōu)選的，所述文本分析步驟包括對所述文本進行分詞操作；將所述文本中的數(shù)字符號轉換為文字；依據分詞結果，對數(shù)字符號轉換后的文本進行韻律預測；
根據韻律預測結果，將文本轉換為音節(jié)序列，以及，基于音節(jié)映射表，得到該音節(jié) 序列中每個音節(jié)的音節(jié)名稱。優(yōu)選的，所述歌曲模板為通過如下步驟生成的模板針對歌曲樣本，提取其中每個音節(jié)的時長參數(shù)和基頻參數(shù)；將所述時長參數(shù)和基頻參數(shù)，保存至歌曲模板。優(yōu)選的，所述歌曲樣本包括清唱歌曲樣本。另一方面，本發(fā)明還公開了一種哼唱合成系統(tǒng)，包括接口模塊，用于接收用戶輸入的文本；文本分析模塊，用于進行文本分析，獲得與所述文本對應的音節(jié)序列，以及，該音 節(jié)序列中每個音節(jié)的音節(jié)名稱；參數(shù)規(guī)劃模塊，用于針對所述音節(jié)序列中每個音節(jié)，根據其音節(jié)名稱及上下文環(huán) 境，結合統(tǒng)計參數(shù)模型，規(guī)劃得到相應的時長參數(shù)、基頻參數(shù)和譜參數(shù)；第一參數(shù)調整模塊，用于依據用戶選擇的歌曲模板和所述音節(jié)序列的音節(jié)個數(shù)， 對所述規(guī)劃得到的時長參數(shù)、基頻參數(shù)進行調整，其中，所述歌曲模板中存儲有音節(jié)的時長 參數(shù)和基頻參數(shù)；第二參數(shù)調整模塊，用于依據調整后的時長參數(shù)，對相應音節(jié)的譜參數(shù)進行插值 調整；合成模塊，用于根據所述音節(jié)序列中每個音節(jié)的時長參數(shù)、基頻參數(shù)和譜參數(shù)，利 用合成器得到與所述音節(jié)序列對應的語音數(shù)據。優(yōu)選的，所述第一參數(shù)調整模塊包括獲取單元，用于獲取所述音節(jié)序列的音節(jié)個數(shù)；調整單元，用于從歌曲模板中提取與所述音節(jié)個數(shù)對應的參數(shù)信息，覆蓋所述規(guī) 劃得到的時長參數(shù)、基頻參數(shù)，并對譜參數(shù)依據規(guī)劃時長進行插值。優(yōu)選的，所述文本分析模塊包括分詞單元，用于對所述文本進行分詞操作；數(shù)字符號轉換單元，用于將所述文本中的數(shù)字符號轉換為文字；韻律預測單元，用于依據分詞結果，對數(shù)字符號轉換后的文本進行韻律預測；音節(jié)轉換單元，用于根據韻律預測結果，將文本轉換為音節(jié)序列，以及，基于音節(jié) 映射表，得到該音節(jié)序列中每個音節(jié)的音節(jié)名稱。優(yōu)選的，所述系統(tǒng)還包括歌曲模板生成模塊，該歌曲模板生成模塊包括提取單元，用于針對歌曲樣本，提取其中每個音節(jié)的時長參數(shù)和基頻參數(shù)；保存單元，用于將所述時長參數(shù)和基頻參數(shù)，保存至歌曲模板。優(yōu)選的，所述歌曲樣本包括清唱歌曲樣本。與現(xiàn)有技術相比，本發(fā)明具有以下優(yōu)點本發(fā)明采用歌曲模板以音節(jié)為單位存儲時長參數(shù)、基頻參數(shù)，且可以依據歌曲名 稱等表征節(jié)奏、旋律的規(guī)則命名所述歌曲模板；這樣，用戶可以依據個人習慣、應用場景等 實際需求來選擇合適的歌曲模板，以對規(guī)劃得到的時長和基頻參數(shù)進行調整，最后基于參 數(shù)合成技術得到用戶輸入文本的語音數(shù)據。由于在語音參數(shù)中，時長和基頻參數(shù)共同決定 節(jié)奏、旋律方面的信息，譜參數(shù)決定音色信息，即發(fā)音人的聲音特點信息；因而本發(fā)明能夠
5將歌曲模板的時長、基頻參數(shù)與音庫發(fā)音人的譜參數(shù)結合，能夠得到音色為音庫發(fā)音人、語 氣節(jié)奏為歌曲并帶有一定旋律的哼唱語音流。


圖1是本發(fā)明一種哼唱合成方法實施例的流程圖；圖2是本發(fā)明一種哼唱合成系統(tǒng)實施例的結構圖。
具體實施例方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結合附圖和具體實 施方式對本發(fā)明作進一步詳細的說明。本發(fā)明實施例的核心構思之一在于，基于時長參數(shù)和基頻參數(shù)生成歌曲模板，并 且，在用戶輸入文本時，可以依據所述歌曲模板對規(guī)劃得到的時長和基頻參數(shù)進行調整，然 后利用合成器得到所述文本的語音數(shù)據。由于在語音參數(shù)中，時長和基頻參數(shù)共同決定節(jié) 奏、旋律方面的信息，譜參數(shù)決定音色信息，即發(fā)音人的聲音特點信息；因而上述將歌曲模 板的時長、基頻參數(shù)與音庫發(fā)音人的譜參數(shù)結合，能夠得到音色為音庫發(fā)音人、語氣節(jié)奏為 歌曲并帶有一定旋律的哼唱語音流。參照圖1，示出了本發(fā)明一種哼唱合成方法實施例的流程圖，具體可以包括步驟101、接收用戶輸入的文本；所述用戶輸入的文本可以包括文字和數(shù)字符號，其中，所述文字可以是漢字、日 文、韓文、英文等，或者，上述多種文字中的一種或者幾種，如漢英組合等等，本發(fā)明對具體 的文本不加以限制，以下主要以漢字為例。步驟102、進行文本分析，獲得與所述文本對應的音節(jié)序列，以及，該音節(jié)序列中每 個音節(jié)的音節(jié)名稱；以下具體的文本“北京在2008-8-8舉行了盛大的奧運會開幕式”為例，對所述文 本分析步驟進行說明，具體可以包括子步驟Al、對所述文本進行分詞操作；分詞結果北京/在/2008-8-8/舉行/ 了 /盛大/的/奧運會/開幕式子步驟A2、將所述文本中的數(shù)字符號轉換為文字；對應本例，所述數(shù)字符號轉換也即，將“2008-8-8”轉換為“二零零八年八月八日”， 數(shù)字符號轉換后的文本為“北京在二零零八年八月八日舉行了盛大的奧運會開幕式”。子步驟A3、依據分詞結果，對數(shù)字符號轉換后的文本進行韻律預測；韻律預測結果北京在二零零八年八月八日/舉行了盛大的奧運會開幕式子步驟A4、根據韻律預測結果，將文本轉換為音節(jié)序列，以及，基于音節(jié)映射表，得 到該音節(jié)序列中每個音節(jié)的音節(jié)名稱。音節(jié);！5歹[J :bei3 jingl zai4 er4 ling2 ling2 bal nian2 bal yue4 bal ri4Ju3 xing2 le5 sheng4 da4 de5 ao4 yun4 hui4 kail mu4 shi4其中，數(shù)字12345代表聲調，分別為一聲、二聲、三聲、四聲、輕聲。在實際中，漢字 音節(jié)的音節(jié)名稱可通過查詢漢字音節(jié)映射表得到，例如上例中的“bei3”即是音節(jié)名稱。步驟103、針對所述音節(jié)序列中每個音節(jié)，根據其音節(jié)名稱及上下文環(huán)境，結合統(tǒng)計參數(shù)模型，規(guī)劃得到相應的時長參數(shù)、基頻參數(shù)和譜參數(shù)；所述上下文環(huán)境主要是指音節(jié)的位置信息，可以包括句首、句中和句末；對應上 例，“shi4”的上下文環(huán)境是句末，而“er4”的上下文環(huán)境則是句中。在實際中，所述統(tǒng)計參數(shù)模型可通過離線訓練得到，其存儲有各音節(jié)在不同上下 文環(huán)境下所對應的參數(shù)。例如，離線時，針對時長參數(shù)訓練第一統(tǒng)計模型，針對基頻參數(shù)訓練第二統(tǒng)計模 型，以及，針對譜參數(shù)訓練第三統(tǒng)計模型；那么，在線規(guī)劃時，可以直接從所述三個統(tǒng)計模型 得到與音節(jié)相應的時長參數(shù)、基頻參數(shù)和譜參數(shù)。步驟104、依據用戶選擇的歌曲模板和所述音節(jié)序列的音節(jié)個數(shù)，對所述規(guī)劃得 到的時長參數(shù)、基頻參數(shù)進行調整，其中，所述歌曲模板中存儲有音節(jié)的時長參數(shù)和基頻參 數(shù)；在實際中，可通過以下離線步驟建立歌曲模板子步驟Al、針對歌曲樣本，提取其中每個音節(jié)的時長參數(shù)和基頻參數(shù)；子步驟A2、將所述時長參數(shù)和基頻參數(shù)，保存至歌曲模板。由于普通歌曲由人聲和樂聲兩部分組成，而樂器的發(fā)聲特點與人類差異較大，提 取時會產生很多偏差，因此，本發(fā)明優(yōu)先選用清唱歌曲樣本。在語音參數(shù)中，時長參數(shù)也即每個音節(jié)的發(fā)音時間長度，可根據波形文件來確定； 基頻參數(shù)是聲波的振動頻率，提取時可首先檢測出波形的周期，然后取倒數(shù)即可得到基頻 參數(shù)。在具體實現(xiàn)中，可采用成熟的工具，自動從歌曲樣本中提取所述時長參數(shù)和基頻 參數(shù)，本發(fā)明對具體的提取方式不加以限制。另外，本發(fā)明一般針對一個歌曲樣本生成一個歌曲模板，其中，所述歌曲樣本可以 是完整的歌曲，也可以是歌曲片段；并且，為方便用戶選擇，可為所述歌曲模板命名，例如， 所述命名規(guī)則可以是歌曲名稱“大約在冬季”、“月亮代表我的心”、“春天的故事”等。在用戶輸入文本時，本發(fā)明可展現(xiàn)所述離線建立若干個歌曲模板的選項，供用戶 選擇，而用戶可根據個人習慣、應用場景等實際需要，來選擇合適的歌曲模板。具體地，所述步驟104可以通過以下子步驟來實現(xiàn)子步驟Bi、獲取所述音節(jié)序列的音節(jié)個數(shù)；子步驟B2、從所述歌曲模板中提取與所述音節(jié)個數(shù)相應的時長參數(shù)和基頻參數(shù)， 并覆蓋所述規(guī)劃得到的時長參數(shù)、基頻參數(shù)。假設獲取得到的所述音節(jié)序列的音節(jié)個數(shù)為N，所述歌曲模板中的音節(jié)數(shù)為M，其 中，M，N均為自然數(shù)，本發(fā)明的調整步驟主要有兩種情形情形1、M 彡 N;此時，可以直接從歌曲模板中截取前N個音節(jié)的時長參數(shù)和基頻參數(shù)。情形2、M<N;針對本情形，可以循環(huán)利用所述歌曲模板中M個音節(jié)的時長參數(shù)和基頻參數(shù)，假 設歌曲模板中音節(jié)序號為1，2，. . .，M，且假設N > 2M，那么，最終獲取的時長參數(shù)和基頻參 數(shù)所對應的歌曲模板中的音節(jié)序號可以為1，2，...，M，1，2，...，M，1，2，...N。這里，所述覆蓋規(guī)劃得到的時長參數(shù)、基頻參數(shù)，也即，用歌曲模板中的時長參數(shù)和基頻參數(shù)替換原有的時長參數(shù)和基頻參數(shù)。在實際中，可以在提取一個音節(jié)的時長參數(shù)和基頻參數(shù)后，緊接著執(zhí)行所述覆蓋 操作，然后針對其它音節(jié)執(zhí)行提取和覆蓋操作；或者，在提取N個音節(jié)的時長參數(shù)和基頻參 數(shù)后，再執(zhí)行覆蓋操作，本發(fā)明對具體的操作順序不加以限制。步驟105、依據調整后的時長參數(shù)，對相應音節(jié)的譜參數(shù)進行插值調整；利用合成器進行語音合成的前提條件是，基頻參數(shù)和譜參數(shù)應該是一一對應的， 也即，必須一個基頻參數(shù)對應一個譜參數(shù)；故本步驟通過調整譜參數(shù)，使其與步驟104規(guī)劃 得到的基頻參數(shù)對應，以進行下一步的語音合成。以下通過具體的示例說明所述調整過程假設步驟103針對所述音節(jié)序列規(guī)劃得到的時長參數(shù)為400ms，每一秒鐘所采樣 的數(shù)目為1000個，也即，采樣頻率為1000HZ (赫茲)，通過計算，可得到基頻參數(shù)和譜參數(shù)的 數(shù)目均為400個；假設步驟104依據用戶選擇的歌曲模板和所述音節(jié)序列的音節(jié)個數(shù)，調整得到的 時長參數(shù)為500ms，也即基頻參數(shù)的數(shù)目為500 ；那么，本步驟則是針對步驟103中的400個譜參數(shù)，插值得到500個譜參數(shù)。插值方法有很多，例如，線性插值、非線性插值，或者，兩點插值、多點插值等，本領 域技術人員可以根據需要采用任一種，本發(fā)明對此不加以限制。例如，在采用兩點線性插值時，插值公式可以為Qs = (aQl+bQ2+ul)/(a+b)，其 中，Ql、Q2分別為已知譜參數(shù)點1、2(可為步驟103中原有的譜參數(shù)點，也可為本步驟已獲 得的新譜參數(shù)點)的譜參數(shù)，a，b為自然數(shù)，可分別代表已知譜參數(shù)點1、2對待插值點S產 生的權重，0 < ul < a+b?？偨Y來說，本步驟即是將M個譜參數(shù)插值為N個，以滿足一個譜對應一個基頻的要 求，其中，M值可由步驟103得到，N值可由步驟104獲得，M、N均為自然數(shù)。步驟106、根據所述音節(jié)序列中每個音節(jié)的時長參數(shù)、基頻參數(shù)和譜參數(shù)，利用合 成器得到與所述音節(jié)序列對應的語音數(shù)據。由于具有調節(jié)能力大、語音可塑性強等優(yōu)點，參數(shù)合成技術在語音合成中得到了 廣泛的應用；在實際中，可以采用LPC(線性預測編碼，linearpredictive coding)濾波器 作為合成器，本發(fā)明對具體的合成器不加以限制。由于加入了歌曲模板中的時長參數(shù)和基頻參數(shù)，因而所述合成得到的語音數(shù)據具 有與歌曲相同的旋律和節(jié)奏。參照圖2，示出了本發(fā)明一種哼唱合成系統(tǒng)實施例的結構圖，具體可以包括接口模塊201，用于接收用戶輸入的文本；文本分析模塊202，用于進行文本分析，獲得與所述文本對應的音節(jié)序列，以及，該 音節(jié)序列中每個音節(jié)的音節(jié)名稱；參數(shù)規(guī)劃模塊203，用于針對所述音節(jié)序列中每個音節(jié)，根據其音節(jié)名稱及上下文 環(huán)境，結合統(tǒng)計參數(shù)模型，規(guī)劃得到相應的時長參數(shù)、基頻參數(shù)和譜參數(shù)；第一參數(shù)調整模塊204，用于依據用戶選擇的歌曲模板和所述音節(jié)序列的音節(jié)個 數(shù)，對所述規(guī)劃得到的時長參數(shù)、基頻參數(shù)進行調整，其中，所述歌曲模板中存儲有音節(jié)的 時長參數(shù)和基頻參數(shù)；
8
第二參數(shù)調整模塊205，用于依據調整后的時長參數(shù)，對相應音節(jié)的譜參數(shù)進行插 值調整；合成模塊206，用于根據所述音節(jié)序列中每個音節(jié)的時長參數(shù)、基頻參數(shù)和譜參 數(shù)，利用合成器得到與所述音節(jié)序列對應的語音數(shù)據。在實際中，所述文本分析模塊202可以進一步包括分詞單元Cl，用于對所述文本進行分詞操作；數(shù)字符號處理單元C2，用于將所述文本中的數(shù)字符號轉換為文字；韻律預測單元C3，用于依據分詞結果，對數(shù)字符號轉換后的文本進行韻律預測；音節(jié)轉換單元C4，用于根據韻律預測結果，將文本轉換為音節(jié)序列，以及，基于音 節(jié)映射表，得到該音節(jié)序列中每個音節(jié)的音節(jié)名稱。本發(fā)明可以采用如下離線的歌曲模板生成模塊建立所述歌曲模板，該歌曲模板生 成模塊具體可以包括提取單元D1，用于針對歌曲樣本，提取其中每個音節(jié)的時長參數(shù)和基頻參數(shù)；保存單元D2，用于將所述時長參數(shù)和基頻參數(shù)及相應的采樣頻率，保存至歌曲模 板。由于普通歌曲由人聲和樂聲兩部分組成，而樂器的發(fā)聲特點與人類差異較大，提 取時會產生很多偏差，因此，本發(fā)明優(yōu)先選用清唱歌曲樣本。在用戶輸入文本時，本發(fā)明可展現(xiàn)所述離線建立若干個歌曲模板的選項，供用戶 選擇，而用戶可根據個人習慣、應用場景等實際需要，來選擇合適的歌曲模板。具體地，所述第一參數(shù)調整模塊204可以包括如下單元結構獲取單元E1，用于獲取所述音節(jié)序列的音節(jié)個數(shù)；調整單元E2，用于從歌曲模板中提取與所述音節(jié)個數(shù)對應的參數(shù)信息，并覆蓋所 述規(guī)劃得到的時長參數(shù)、基頻參數(shù)。本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與 其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。對于系統(tǒng)實施例 而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部 分說明即可。本發(fā)明可以應用于各種電腦終端及數(shù)字移動設備，用于將系統(tǒng)接收的或輸入的任 意文本轉換成帶有歌曲節(jié)奏和旋律的語音流。以上對本發(fā)明所提供的一種哼唱合成方法和系統(tǒng)，進行了詳細介紹，本文中應用 了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解 本發(fā)明的方法及其核心思想；同時，對于本領域的一般技術人員，依據本發(fā)明的思想，在具 體實施方式及應用范圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發(fā)明 的限制。
權利要求
一種哼唱合成方法，其特征在于，包括接收用戶輸入的文本；進行文本分析，獲得與所述文本對應的音節(jié)序列，以及，該音節(jié)序列中每個音節(jié)的音節(jié)名稱；針對所述音節(jié)序列中每個音節(jié)，根據其音節(jié)名稱及上下文環(huán)境，結合統(tǒng)計參數(shù)模型，規(guī)劃得到相應的時長參數(shù)、基頻參數(shù)和譜參數(shù)；依據用戶選擇的歌曲模板和所述音節(jié)序列的音節(jié)個數(shù)，對所述規(guī)劃得到的時長參數(shù)、基頻參數(shù)進行調整，其中，所述歌曲模板中存儲有音節(jié)的時長參數(shù)和基頻參數(shù)；依據調整后的時長參數(shù)，對相應音節(jié)的譜參數(shù)進行插值調整；根據所述音節(jié)序列中每個音節(jié)的時長參數(shù)、基頻參數(shù)和譜參數(shù)，利用合成器得到與所述音節(jié)序列對應的語音數(shù)據。
2.如權利要求1所述的方法，其特征在于，所述對時長參數(shù)、基頻參數(shù)進行調整的步 驟，包括獲取所述音節(jié)序列的音節(jié)個數(shù)；從所述歌曲模板中提取與所述音節(jié)個數(shù)相應的時長參數(shù)和基頻參數(shù)，并覆蓋所述規(guī)劃 得到的時長參數(shù)、基頻參數(shù)。
3.如權利要求1所述的方法，其特征在于，所述文本分析步驟包括 對所述文本進行分詞操作；將所述文本中的數(shù)字符號轉換為文字；依據分詞結果，對數(shù)字符號轉換后的文本進行韻律預測；根據韻律預測結果，將文本轉換為音節(jié)序列，以及，基于音節(jié)映射表，得到該音節(jié)序列 中每個音節(jié)的音節(jié)名稱。
4.如權利要求1所述的方法，其特征在于，所述歌曲模板為通過如下步驟生成的模板 針對歌曲樣本，提取其中每個音節(jié)的時長參數(shù)和基頻參數(shù)；將所述時長參數(shù)和基頻參數(shù)，保存至歌曲模板。
5.如權利要求4所述的方法，其特征在于，所述歌曲樣本包括清唱歌曲樣本。
6.一種哼唱合成系統(tǒng)，其特征在于，包括 接口模塊，用于接收用戶輸入的文本；文本分析模塊，用于進行文本分析，獲得與所述文本對應的音節(jié)序列，以及，該音節(jié)序 列中每個音節(jié)的音節(jié)名稱；參數(shù)規(guī)劃模塊，用于針對所述音節(jié)序列中每個音節(jié)，根據其音節(jié)名稱及上下文環(huán)境，結 合統(tǒng)計參數(shù)模型，規(guī)劃得到相應的時長參數(shù)、基頻參數(shù)和譜參數(shù)；第一參數(shù)調整模塊，用于依據用戶選擇的歌曲模板和所述音節(jié)序列的音節(jié)個數(shù)，對所 述規(guī)劃得到的時長參數(shù)、基頻參數(shù)進行調整，其中，所述歌曲模板中存儲有音節(jié)的時長參數(shù) 和基頻參數(shù)；第二參數(shù)調整模塊，用于依據調整后的時長參數(shù)，對相應音節(jié)的譜參數(shù)進行插值調整；合成模塊，用于根據所述音節(jié)序列中每個音節(jié)的時長參數(shù)、基頻參數(shù)和譜參數(shù)，利用合 成器得到與所述音節(jié)序列對應的語音數(shù)據。
7.如權利要求6所述的系統(tǒng)，其特征在于，所述第一參數(shù)調整模塊包括 獲取單元，用于獲取所述音節(jié)序列的音節(jié)個數(shù)；調整單元，用于從歌曲模板中提取與所述音節(jié)個數(shù)對應的參數(shù)信息，覆蓋所述規(guī)劃得 到的時長參數(shù)、基頻參數(shù)，并對譜參數(shù)依據規(guī)劃時長進行插值。
8.如權利要求6所述的系統(tǒng)，其特征在于，所述文本分析模塊包括 分詞單元，用于對所述文本進行分詞操作；數(shù)字符號轉換單元，用于將所述文本中的數(shù)字符號轉換為文字； 韻律預測單元，用于依據分詞結果，對數(shù)字符號轉換后的文本進行韻律預測； 音節(jié)轉換單元，用于根據韻律預測結果，將文本轉換為音節(jié)序列，以及，基于音節(jié)映射 表，得到該音節(jié)序列中每個音節(jié)的音節(jié)名稱。
9.如權利要求6所述的系統(tǒng)，其特征在于，還包括歌曲模板生成模塊，該歌曲模板生成 模塊包括提取單元，用于針對歌曲樣本，提取其中每個音節(jié)的時長參數(shù)和基頻參數(shù)； 保存單元，用于將所述時長參數(shù)和基頻參數(shù)，保存至歌曲模板。
10.如權利要求9所述的系統(tǒng)，其特征在于，所述歌曲樣本包括清唱歌曲樣本。
全文摘要
本發(fā)明提供了一種哼唱合成方法和系統(tǒng)，其中的方法具體包括接收用戶輸入的文本；進行文本分析，獲得與所述文本對應的音節(jié)序列，以及，該音節(jié)序列中每個音節(jié)的音節(jié)名稱；針對所述音節(jié)序列中每個音節(jié)，根據其音節(jié)名稱及上下文環(huán)境，結合統(tǒng)計參數(shù)模型，規(guī)劃得到相應的時長參數(shù)、基頻參數(shù)和譜參數(shù)；依據用戶選擇的歌曲模板和所述音節(jié)序列的音節(jié)個數(shù)，對所述規(guī)劃得到的時長參數(shù)、基頻參數(shù)進行調整，其中，所述歌曲模板中存儲有音節(jié)的時長參數(shù)和基頻參數(shù)；依據調整后的時長參數(shù)，對相應音節(jié)的譜參數(shù)進行插值調整；根據所述音節(jié)序列中每個音節(jié)的時長參數(shù)、基頻參數(shù)和譜參數(shù)，利用合成器得到語音數(shù)據。本發(fā)明能夠輸出帶有歌曲節(jié)奏和旋律的語音數(shù)據。
文檔編號G10L13/02GK101901598SQ20101022349
公開日2010年12月1日 申請日期2010年6月30日 優(yōu)先權日2010年6月30日
發(fā)明者張連毅, 李健, 武衛(wèi)東 申請人:北京捷通華聲語音技術有限公司