一种文本转语音的方法、装置、电子设备和存储介质与流程

本发明实施例涉及自然语言技术领域，特别是涉及一种文本转语音的方法、装置、电子设备和存储介质。

背景技术：

从文本到语音(texttospeech，tts)是一种将文字转换成人类自然语言的技术，被广泛应用在车机导航播报、商家的在线客服、智能机器人语言交互等方面。

tts前端包括对输入的文本进行文本正则化(textnormalize，tn)，分词，字词的标音，词性预测以及停顿预测。其中分词的准确性将直接影响到后续标音、词性、停顿预测的准确性，从而反应到最终合成自然度上。现有技术中的分词方案需要一个词典，以及经过标注的训练语料。训练时，通过机器学习的方法统计当前词以及当前词与前后词组合出现的频率，建立一个模型。预测时，输入tn正则后的纯文本，用模型找到一条分词最优路径，即概率出现最大的分词方式作为分词结果。

然而发明人在具体实施过程中，发现现有技术中存在分词容易出现错误，一方面，对词典中未登录的词无法分出，此类词在人名地名等场合出现很多，且分错对结果影响很大；另一方面，连续的数字可能会被分开，因为数字的组合是无穷尽的，不可能都写入词典。而分词系统的错误，将影响整个tts系统的合成效果。

技术实现要素：

有鉴于此，本发明实施例提供了一种文本转语音的方法、装置、电子设备和存储介质，主要目的在于提高分词的准确率，保证合成的语音的准确性。

为了解决上述问题，本发明实施例主要提供如下技术方案：

第一方面，本发明实施例提供了一种文本转语音的方法，该方法包括：

获取与待处理文本相匹配的预设文本正规化模板；

根据相匹配的所述预设文本正规化模板对所述待处理文本进行文本正规化处理，得到正规化文本；

根据与所述预设文本正规化模板相对应的预分词模板，在所述正规化文本中添加预分词信息；

根据所述预分词信息和分词模型对所述正规化文本进行分词，得到分词文本；

将所述分词文本转换为语音信息。

第二方面，本发明实施例还提供一种文本转语音的装置，该装置包括：

预设文本正规化模板获取模块，用于获取与待处理文本相匹配的预设文本正规化模板；

正规化文本确定模块，用于根据相匹配的所述预设文本正规化模板对所述待处理文本进行文本正规化处理，得到正规化文本；

预分词信息添加模块，用于根据与所述预设文本正规化模板相对应的预分词模板，在所述正规化文本中添加预分词信息；

分词文本确定模块，用于根据所述预分词信息和分词模型对所述正规化文本进行分词，得到分词文本；

语音信息转换模块，用于将所述分词文本转换为语音信息。

第三方面，本发明实施例还提供一种电子设备，所述设备包括：

至少一个处理器；

以及与所述处理器连接的至少一个存储器、总线；其中，

所述处理器、存储器通过所述总线完成相互间的通信；

所述处理器用于调用所述存储器中的程序指令，以执行本发明实施例中提供的文本转语音的方法。

第四方面，本发明实施例还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本发明实施例提供的文本转语音的方法。

借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

本发明实施例提供的技术方案，通过对正规化文本进行预分词，提高分词的正确率，从而解决了现有技术中存在分词容易出现错误的问题，实现提高分词的准确率，保证合成的语音的准确性的效果。

上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明实施例的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例一提供的一种文本转语音的方法的流程图；

图2示出了本发明实施例二提供的一种文本转语音的方法的流程图；

图3示出了本发明实施例三提供的一种文本转语音的装置的结构示意图；

图4示出了本发明实施例四提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例一

图1为本发明实施例一提供的一种文本转语音的方法的流程图，本实施例的技术方案适用于文本转为语音的情况，该方法可以由文本转语音的装置来实现，该装置可以由硬件和/或软件来实现，文本转语音的方法具体包括：

步骤110、获取与待处理文本相匹配的预设文本正规化模板。

其中，用户可以通过输入装置输入文本，也可以通过光学字符识别(opticalcharacterrecognition，ocr)获取文本，将获取到的待处理文本与预设文本正规化模板进行匹配，在全部预设文本正规化模板中搜索与待处理文本相匹配的预设文本正规化模板。

步骤120、根据相匹配的预设文本正规化模板对待处理文本进行文本正规化处理，得到正规化文本。

其中，通过匹配的预设文本正规化模板将不规则的文本转换成规则的文本，例如，待处理文本为33+12，即待处理文本为一个数学表达式，通过文本正规化处理，得到正规化文本：三十三加十二。

步骤130、根据与预设文本正规化模板相对应的预分词模板，在正规化文本中添加预分词信息。

其中，预设文本正规化模板设置有相对应的预分词模板，在对待处理文本进行文本正规化之后，根据相对应的预分词模板，在正规化文本中添加预分词信息，把正规化文本进行划分，为之后的分词提供参考。

步骤140、根据预分词信息和分词模型对正规化文本进行分词，得到分词文本。

其中，在对正规化文本进行预分词处理，添加了预分词信息之后，在进行了预分词的文本上，进行分词，得到分词文本。例如，待处理文本为“富纳富提前往北京的航班”，如果不进行预分词，而词典中没有“富纳富提”这个地方，那么，这句话很可能会被分词为“富”“纳”“富”“提前”“往”“北京”“的”“航班”，而预分词对待处理文本进行划分，得到添加预分词信息的文本，如“`富纳富提`前往`北京`的航班”，插入文本中的反引号“`”作为预分词信息，而最终的分词文本为“富纳富提”“前往”“北京”“的”“航班”。这样得到的分词文本，划分准确。

步骤150、将分词文本转换为语音信息。

其中，将待处理文本进行分词后，进行字词的标音，词性预测以及停顿预测，合成语音信息，完成由文本到语音的转换。分词的正确与否，在合成语音时对读音也会有影响，例如：“一百一十一个”，包括连续的数字，如果被分成“一百”“一十”“一个”，那对应的读音为“一百(yi4bai3)一十(yi4shi2)一个(yi2ge3)”，导致读音完全错误，而对文本进行预分词，将连续数字作为一个分词，读音为“一百(yi4bai3)一十(yi1shi2)一个(yi1ge3)”，读音才是正确的，符合中文的发音习惯。

本实施例提供的技术方案，通过对正规化文本进行预分词，提高分词的正确率，从而解决了现有技术中存在分词容易出现错误的问题，实现提高分词的准确率，保证合成的语音的准确性的效果。

实施例二

图2为本发明实施例二提供的一种文本转语音的方法的流程图，本实施例的技术方案在上述技术方案的基础上进一步细化，该方法包括：

步骤210、在文本正规化模板库中，存储预先生成的预设文本正规化模板。

其中，可以由设计人员建立预设文本正规化模板，然后将预设文本正规化模板存储到文本正规化模板库，可以对文本正规化模板库中存储的预设文本正规化模板进行添加、删除和更新。

步骤220、在文本正规化模板库中，存储预分词模板，并建立预设文本正规化模板与预分词模板的对应关系。

其中，可以由设计人员针对预设文本正规化模板建立预分词模板，然后将预分词模板存储在文本正规化模板库中，作为预设文本正规化模板的附加信息，建立预设文本正规化模板与预分词模板的对应关系，以便在调用了预设文本正规化模板对待处理文本进行文本正规化处理之后，使用对应的预分词模板在文本中添加预分词信息。

步骤230、在文本正规化模板库中搜索与待处理文本相匹配的预设文本正规化模板，返回匹配的预设文本正规化模板。

其中，在建立起的文本正规化模板库中遍历与待处理文本相匹配的预设文本正规化模板，将搜索到的与待处理文本相匹配的预设文本正规化模板返回。

步骤240、根据相匹配的预设文本正规化模板对待处理文本进行文本正规化处理，得到正规化文本。

步骤250、根据与预设文本正规化模板相对应的预分词模板，使用预设符号标注正规化文本中的词组。

其中，将预设符号插入到正规化文本中，起到预分词的作用，为后面的分词操作提供参考。例如，使用反引号“`”插入文本中，“`富纳富提`前往`北京`的航班”。

步骤260、将正规化文本中的预设符号作为参考分词点，对正规化文本进行预分词，得到预分词文本。

其中，在正规化文本中插入预设符号后，在预设符号处，将文本分为词组，得到预分词文本。例如，输入的待处理文本为“13614236234”，进行文本正规化处理后，得到正规化文本“三六幺四二三六二三四”，对于十一位的连续数字，将其视为手机号码，正规化文本中数字“1”转为文字“幺”，与预设文本正规化模板相对应的预分词模板，按照手机号的分词方式进行预分词，“幺三六`幺四二三`六二三四”，即将手机号按照三位-四位-四位的方式划分，得到预分词文本“幺三六”“幺四二三”“六二三四”。

步骤270、根据分词模型对预分词文本进行分词操作，得到分词文本。

其中，将预分词文本的划分方式作为基础，对预分词文本进行分词操作，得到分词文本。例如，预分词文本“幺三六”“幺四二三”“六二三四”，分词文本为：“幺三六”“幺四二三”“六二三四”。

步骤280、将分词文本转换为语音信息。

本实施例提供的技术方案，通过插入符号对正规化文本进行预分词，得到预分词文本后，作为最终分词的基础，提高了分词的正确率，从而保证合成的语音的准确性。

实施例三

图3为本发明实施例三提供的一种文本转语音的装置的结构示意图，文本转语音的装置300包括：

预设文本正规化模板获取模块310，用于获取与待处理文本相匹配的预设文本正规化模板；

正规化文本确定模块320，用于根据相匹配的预设文本正规化模板对待处理文本进行文本正规化处理，得到正规化文本；

预分词信息添加模块330，用于根据与预设文本正规化模板相对应的预分词模板，在正规化文本中添加预分词信息；

分词文本确定模块340，用于根据预分词信息和分词模型对正规化文本进行分词，得到分词文本；

语音信息转换模块350，用于将分词文本转换为语音信息。

本实施例提供的技术方案，通过对正规化文本进行预分词，提高分词的正确率，从而解决了现有技术中存在分词容易出现错误的问题，实现提高分词的准确率，保证合成的语音的准确性的效果。

可选的，预设文本正规化模板获取模块310，具体用于：

在文本正规化模板库中搜索与待处理文本相匹配的预设文本正规化模板，返回匹配的预设文本正规化模板。

可选的，文本转语音的装置300还包括：

预设文本正规化模板存储模块，用于在文本正规化模板库中搜索与待处理文本相匹配的预设文本正规化模板，返回匹配的预设文本正规化模板之前，在文本正规化模板库中，存储预先生成的预设文本正规化模板；

预分词模板对应模块，用于在文本正规化模板库中，存储预分词模板，并建立预设文本正规化模板与预分词模板的对应关系。

可选的，预分词信息添加模块330，具体用于：

根据与预设文本正规化模板相对应的预分词模板，使用预设符号标注正规化文本中的词组。

可选的，分词文本确定模块340，具体用于：

将正规化文本中的预设符号作为参考分词点，对正规化文本进行预分词，得到预分词文本；

根据分词模型对预分词文本进行分词操作，得到分词文本。

由于本实施例所介绍的文本转语音的装置为可以执行本发明实施例中的文本转语音的方法的装置，故而基于本发明实施例中所介绍的文本转语音的方法，本领域所属技术人员能够了解本实施例的文本转语音的装置的具体实施方式以及其各种变化形式，所以在此对于该文本转语音的装置如何实现本发明实施例中的多文本转语音的方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中文本转语音的方法所采用的装置，都属于本申请所欲保护的范围。

实施例四

本发明实施例提供了一种电子设备，如图4所示，包括：至少一个处理器(processor)41；以及与所述处理器41连接的至少一个存储器(memory)42、总线43；其中，

所述处理器41、存储器42通过所述总线43完成相互间的通信；

所述处理器41用于调用所述存储器42中的程序指令，以执行上述方法实施例中的文本转语音的方法的步骤。

本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的文本转语音的方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。