语音合成编码方法及装置与流程

技术特征：
1.一种语音合成编码方法，其特征在于，包括：开始将文本数据合成为pcm流数据，并将所述pcm流数据存储于缓冲区；根据当前系统负载情况动态计算开始播放需要的起始缓冲阈值tstart；若缓冲区缓冲时长大于所述起始缓冲阈值tstart时，读取缓冲区的所述pcm流数据进行播放；根据当前系统负载情况动态计算持续播放需要的持续缓冲阈值tblock；若缓冲区缓冲时长大于所述持续缓冲阈值tblock，则暂停将文本数据合成为pcm流数据，并等待预设时间后返回计算持续缓冲阈值tblock的步骤；否则，持续将文本数据合成为pcm流数据，并等待预设时间后返回计算持续缓冲阈值tblock的步骤，直至将全部的文本数据合成为pcm流数据。2.根据权利要求1所述的语音合成编码方法，其特征在于，所述根据当前系统负载情况动态计算开始播放需要的起始缓冲阈值tstart，包括：若t2
‑
t1<tmin，则tstart＝tmin，否则tstart＝t2
‑
t1；其中，t1为合成时长预估；t2为播放时长；tmin为最小缓冲时长。3.根据权利要求2所述的语音合成编码方法，其特征在于，t1＝l*u/c，t2＝l*t；其中，c为单核cpu最大空闲算力；u为单字合成算力消耗；t为单字时长预估；l为整句字长。4.根据权利要求1所述的语音合成编码方法，其特征在于，所述根据当前系统负载情况动态计算持续播放需要的持续缓冲阈值tblock，包括：若t4≤t3，tblock＝t3，否则tblock＝x*(t2
‑
t1) tbuf；若tblock＜tmin，则tblock＝tmin；其中，t4为剩余播放时长预估，t3为剩余合成时长预估，tbuf为当前缓冲区剩余播放时长，x为缓冲单位。5.根据权利要求4所述的语音合成编码方法，其特征在于，t3＝r*u/c，t4＝r*t tbuf，tmin＝f*tplayer；其中，c为单核cpu最大空闲算力；u为单字合成算力消耗；r为剩余字长，f为最小播放缓冲系数，tplayer为播放器最小缓冲区缓冲时长，t为单字时长预估。6.根据权利要求5所述的语音合成编码方法，其特征在于，所述缓冲单位x＝1％，所述最小播放缓冲系数f＝2。7.根据权利要求1所述的语音合成编码方法，其特征在于，还包括暂停播放所述pcm流数据的步骤。8.一种语音合成编码装置，其特征在于，包括：缓冲模块，用于开始将文本数据合成为pcm流数据，并将所述pcm流数据存储于缓冲区；第一计算模块，用于根据当前系统负载情况动态计算开始播放需要的起始缓冲阈值tstart；播放模块，当缓冲区缓冲时长大于所述起始缓冲阈值tstart时，用于读取缓冲区的所述pcm流数据进行播放；
第二计算模块，用于根据当前系统负载情况动态计算持续播放需要的持续缓冲阈值tblock；判断模块，用于若缓冲区缓冲时长大于所述持续缓冲阈值tblock，则暂停将文本数据合成为pcm流数据，并等待预设时间后返回计算持续缓冲阈值tblock的步骤；否则，持续将文本数据合成为pcm流数据，并等待预设时间后返回计算持续缓冲阈值tblock的步骤，直至将全部的文本数据合成为pcm流数据。9.根据权利要求8所述的语音合成编码装置，其特征在于，所述第一计算模块用于若t2
‑
t1<tmin，则tstart＝tmin，否则tstart＝t2
‑
t1；其中，t1为合成时长预估；t2为播放时长；tmin为最小缓冲时长。10.根据权利要求8所述的语音合成编码装置，其特征在于，所述第二计算模块用于若t4≤t3，tblock＝t3，否则tblock＝x*(t2
‑
t1) tbuf；若tblock＜tmin，则tblock＝tmin；其中，t4为剩余播放时长预估，t3为剩余合成时长预估，tbuf为当前缓冲区剩余播放时长，x为缓冲单位。

技术总结
本说明书一个或多个实施例提供的一种语音合成编码方法及装置，在开始将文本数据合成为pcm流数据后，根据当前系统负载情况动态计算开始播放需要的起始缓冲阈值Tstart，若缓冲区缓冲时长大于所述起始缓冲阈值Tstart时，读取缓冲区的所述pcm流数据进行播放；并根据当前系统负载情况动态计算持续播放需要的持续缓冲阈值Tblock；播放过程中，根据缓冲区缓冲时长与持续缓冲阈值Tblock的关系，判断是继续将文本数据合成为pcm流数据还是暂停合成，既保证了播放的稳定性流畅度，也实现了cpu和内存的平滑占用。存的平滑占用。存的平滑占用。


技术研发人员：皮碧虹 杨德文 龙丁奋
受保护的技术使用者：深圳市同行者科技有限公司
技术研发日：2021.06.10
技术公布日：2021/9/9