專利名稱:用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)及其實現(xiàn)方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種網(wǎng)絡(luò)游戲系統(tǒng),尤其涉及一種用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng);此夕卜,本發(fā)明還涉及該用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法。
背景技術(shù):
網(wǎng)絡(luò)游戲的發(fā)展已有十年左右的歷史。短短十年中,它從眾多游戲中的一個分支, 迅速發(fā)展成引人矚目的新興產(chǎn)業(yè),成為互聯(lián)網(wǎng)贏利應(yīng)用的成功范例。能夠和上千的其他玩家互動是這個游戲最重要的特性之一。聲音與圖像、文字信息一樣,是互動環(huán)節(jié)中不可缺少的因素。目前網(wǎng)絡(luò)游戲中的聲音主要由背景音樂、戰(zhàn)斗音效組成,語音成分極少。雖然有些游戲加入了非玩家控制角色的配音,但是玩家與玩家之間只能通過文字對話,沒有語音上的交流。團隊語音通訊工具(如CN200410065144. 1,網(wǎng)絡(luò)游戲語音交流系統(tǒng))的出現(xiàn)改善了玩家之間的交流方式,但是它只適合小范圍內(nèi)玩家使用,比如大型游戲的團隊作戰(zhàn)時,隊長和隊員之間的交流,在一定程度上實現(xiàn)了通信的目的,卻沒有達到從本質(zhì)上改善游戲體驗的效果,所以它并不能替代語音在游戲中的作用。
發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),用語音去充實游戲中的聲音,提高了游戲的表現(xiàn)力,從本質(zhì)上改善了游戲體驗的效果。為此,本發(fā)明還提供該系統(tǒng)的實現(xiàn)方法。本發(fā)明將語音合成(Text to Speech,TTS)技術(shù)引入游戲開發(fā),創(chuàng)建游戲角色的時候,用戶可以根據(jù)系統(tǒng)提供的聲音參數(shù)設(shè)置接口設(shè)置個性化的聲音參數(shù),這些參數(shù)連同其他角色信息一起保存在服務(wù)器數(shù)據(jù)庫,在游戲中需要發(fā)聲的時候,系統(tǒng)首先由基礎(chǔ)的語音模型合成出相應(yīng)的語音,再根據(jù)角色預(yù)設(shè)的聲音參數(shù)做變聲處理,從而達到語音合成發(fā)聲的目的。為解決上述技術(shù)問題,本發(fā)明提供一種用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),該系統(tǒng)包括個性聲音參數(shù)設(shè)置模塊和語音合成模塊;該個性聲音參數(shù)設(shè)置模塊與網(wǎng)絡(luò)游戲的角色創(chuàng)建模塊相連,用于提供用戶設(shè)置聲音參數(shù)的接口,供用戶設(shè)置個性化聲音參數(shù),生成聲音預(yù)覽和參數(shù)調(diào)整,并且保存用戶最終選定的聲音參數(shù);該語音合成模塊與網(wǎng)絡(luò)游戲的戰(zhàn)斗系統(tǒng)、社交系統(tǒng)和交易系統(tǒng)相連,用于記錄同一場景所有角色的位置信息,說話角色將說話內(nèi)容以及其個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色,其他角色將說話內(nèi)容合成為語音,再根據(jù)說話角色預(yù)設(shè)的個性化聲音參數(shù)做變聲處理,并在本地播放。所述個性聲音參數(shù)設(shè)置模塊中用戶設(shè)置個性化聲音參數(shù)采用以下兩種方式直接設(shè)置參數(shù),或者從用戶提供的錄音文件中提取參數(shù)。
所述個性聲音參數(shù)設(shè)置模塊中該用戶最終選定的聲音參數(shù)連同角色信息一起保存至服務(wù)器數(shù)據(jù)庫。所述角色信息為網(wǎng)絡(luò)游戲的角色創(chuàng)建模塊設(shè)置的信息,包括用戶名、性另Ij、門派信息和服裝。所述個性聲音參數(shù)設(shè)置模塊主要包含兩個子模塊聲音參數(shù)生成器和用戶界面; 該聲音參數(shù)生成器用于從用戶提供的錄音文件提取聲音參數(shù);該用戶界面提供給用戶選擇錄音文件、手工設(shè)置參數(shù)、聲音預(yù)覽、參數(shù)調(diào)整以及保存的接口。所述語音合成模塊包括發(fā)聲管理器、語音合成器、變聲處理器和播放器四個子模塊;該發(fā)聲管理器用于記錄同一場景所有角色的位置信息,當(dāng)說話角色說話時,將說話內(nèi)容和說話人個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色;當(dāng)角色收到說話角色發(fā)來的廣播時,調(diào)用語音合成器將說話內(nèi)容合成為聲音,調(diào)用變聲處理器根據(jù)個性聲音參數(shù)設(shè)置模塊中設(shè)置的說話角色的個性化參數(shù)做變聲處理,最后根據(jù)與說話角色的距離設(shè)置音量大小并在本地播放;該語音合成器用于輸入角色說話內(nèi)容的文本,輸出合成出的語音;該變聲處理器用于輸入語音合成器合成出的語音,輸出對應(yīng)說話角色的個性化語
曰;該播放器用于輸入來自變聲處理器的個性化語音,以一定的音量在本地播放個性
化聲音。所述播放器在本地播放的音量大小反比于該角色與說話角色的距離。所述語音合成模塊支持多線程,可同時合成并播放多個聲音。此外,本發(fā)明還提供一種用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法,包括如下步驟(1)創(chuàng)建游戲角色時,用戶設(shè)置個性聲音參數(shù);(2)在游戲中需要發(fā)聲的時候,說話角色將說話內(nèi)容及其個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色,其他角色將說話內(nèi)容合成為語音,再根據(jù)說話角色預(yù)設(shè)的個性化聲音參數(shù)做變聲處理,并在本地播放。步驟(1)采用以下兩種方式直接設(shè)置參數(shù),或者從用戶提供的錄音文件中提取參數(shù)。步驟(1)采用直接設(shè)置參數(shù),具體為首先設(shè)置參數(shù),然后經(jīng)過聲音預(yù)覽與參數(shù)調(diào)整的多次迭代,最終選定最滿意的參數(shù),最后將最終選定的參數(shù)與角色信息一起保存至服務(wù)器數(shù)據(jù)庫。所述角色信息為網(wǎng)絡(luò)游戲的角色創(chuàng)建模塊設(shè)置的信息,包括用戶名、性別、門派信息和服裝。步驟(1)采用從用戶提供的錄音文件中提取參數(shù),具體為首先從用戶提供的錄音文件中提取參數(shù),然后經(jīng)過聲音預(yù)覽與參數(shù)調(diào)整的多次迭代,最終選定最滿意的參數(shù),最后將最終選定的參數(shù)與角色信息一起保存至服務(wù)器數(shù)據(jù)庫。步驟O)具體為A.記錄同一場景所有角色的位置信息,當(dāng)說話角色說話時,將說話內(nèi)容和說話人個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色;B.當(dāng)其他角色收到說話角色發(fā)來的廣播時,調(diào)用語音合成器將說話內(nèi)容合成為語曰;C.其他角色調(diào)用變聲處理器根據(jù)說話角色預(yù)設(shè)的個性化參數(shù)將步驟B合成的語音做變聲處理,輸出對應(yīng)說話角色的個性化語音;D.其他角色將步驟C的個性化語音根據(jù)與說話角色的距離設(shè)置音量大小并在本地播放。步驟B中,所述調(diào)用語音合成器將說話內(nèi)容合成為語音,具體包括如下步驟經(jīng)過文本正則化、分詞、詞性預(yù)測、韻律預(yù)測、拼音生成、聲音參數(shù)生成、聲音合成的步驟。本發(fā)明的有益效果在于1)將語音合成技術(shù)和網(wǎng)絡(luò)游戲結(jié)合起來,用語音去充實游戲中的聲音,提高了游戲的表現(xiàn)力;2)每個用戶可以設(shè)置個性的聲音,除了通過聊天窗口、郵件系統(tǒng)與其他用戶交流, 還可以通過語音交流,提高了游戲的可玩性;3)語音的加入可以為游戲加入新的體驗,比如在交易場叫賣,或者在風(fēng)光秀美的角落與好友促膝長談。
圖1是本發(fā)明語音合成系統(tǒng)與傳統(tǒng)網(wǎng)絡(luò)游戲系統(tǒng)的關(guān)聯(lián)結(jié)構(gòu)示意圖;圖2是本發(fā)明的個性聲音參數(shù)設(shè)置流程圖;圖3是本發(fā)明系統(tǒng)的模塊結(jié)構(gòu)示意圖;圖4是本發(fā)明中語音合成模塊的工作示意圖,其中,S(包括Si、S2、S3、S5、S6)是說話角色,A (包括A1、A2、A3、A5、A6)是聽話角色,i是說話角色信息。
具體實施例方式1.系統(tǒng)概述如圖1所示,傳統(tǒng)的網(wǎng)絡(luò)游戲系統(tǒng)一般包括角色創(chuàng)建模塊、戰(zhàn)斗系統(tǒng)、社交系統(tǒng)和交易系統(tǒng),傳統(tǒng)的網(wǎng)絡(luò)游戲在設(shè)置角色時只需要選擇性別、門派、服裝等信息,本發(fā)明系統(tǒng)增加了個性化聲音參數(shù)設(shè)置模塊;玩家在傳統(tǒng)網(wǎng)絡(luò)游戲(戰(zhàn)斗系統(tǒng)、社交系統(tǒng)和交易系統(tǒng)) 中交流主要以文字的形式實現(xiàn),本發(fā)明系統(tǒng)增加了語音合成模塊,在戰(zhàn)斗系統(tǒng)、社交系統(tǒng)和交易系統(tǒng)中玩家之間不僅可以看到文字形式的聊天內(nèi)容,還可以聽到彼此的聲音。本發(fā)明系統(tǒng)主要包括以下兩個模塊1)個性聲音參數(shù)設(shè)置模塊該模塊提供用戶設(shè)置聲音參數(shù)的接口,供用戶選擇個性化聲音參數(shù),生成聲音預(yù)覽,并且負責(zé)保存用戶最終選定的參數(shù)。兩種方式將被提供給用戶來設(shè)置聲音參數(shù)直接設(shè)置數(shù)值和從錄音中提取。用戶可以直接設(shè)置參數(shù),也可以從自己的錄音或自己喜歡的錄音中提取參數(shù),然后經(jīng)過聲音預(yù)覽與參數(shù)調(diào)整的多次迭代,最終選定最滿意的參數(shù),連同角色信息(用戶名、性別、門派信息、服裝等)一起保存在服務(wù)器數(shù)據(jù)庫。2)語音合成模塊該模塊負責(zé)記錄某一區(qū)域內(nèi)互相臨近的角色位置信息,說話角色將說話內(nèi)容以及自己的聲音參數(shù)廣播給附近的人;臨近的角色接收廣播,根據(jù)說話內(nèi)容合成為聲音,然后根據(jù)說話人的聲音參數(shù)做變聲處理并在本地播放。該模塊支持多線程,可以同時合成并播放多個聲音,從而最大程度的模擬現(xiàn)實場面。2.個性聲音參數(shù)設(shè)置模塊該模塊負責(zé)提供設(shè)置聲音參數(shù)的接口,供用戶設(shè)置個性化聲音。如圖3所示,該模塊主要包含兩個子模塊聲音參數(shù)生成器和用戶界面。聲音參數(shù)生成器從用戶提供的錄音文件提取聲音參數(shù)。用戶界面提供給用戶選擇錄音文件、手工設(shè)置參數(shù)、聲音預(yù)覽、參數(shù)調(diào)整以及保存的接口。個性聲音參數(shù)設(shè)置的流程如圖2所示,可采用以下兩種方式1)采用直接設(shè)置參數(shù),具體步驟為首先設(shè)置參數(shù),然后經(jīng)過聲音預(yù)覽與參數(shù)調(diào)整的多次迭代,最終選定最滿意的參數(shù),最后將最終選定的參數(shù)與角色信息一起保存至服務(wù)器數(shù)據(jù)庫。2)采用從用戶提供的錄音文件中提取參數(shù),具體步驟為首先從用戶提供的錄音文件中提取參數(shù),然后經(jīng)過聲音預(yù)覽與參數(shù)調(diào)整的多次迭代,最終選定最滿意的參數(shù),最后將最終選定的參數(shù)與角色信息一起保存至服務(wù)器數(shù)據(jù)庫。3.語音合成模塊該模塊負責(zé)將角色說話內(nèi)容合成為個性化聲音,并在本地播放。該模塊由發(fā)聲管理器、語音合成器、變聲處理器、播放器4個子模塊組成,如圖3所示。發(fā)聲管理器記錄同一場景所有角色的位置信息,當(dāng)說話角色S說話時,將說話內(nèi)容和說話人個性聲音參數(shù)廣播給一定范圍內(nèi)的其他聽話角色A ;當(dāng)聽話角色A收到說話角色S發(fā)來的廣播時,調(diào)用語音合成器將說話內(nèi)容合成為聲音,調(diào)用變聲處理器根據(jù)說話角色預(yù)設(shè)的個性化參數(shù)做變聲處理,最后根據(jù)與說話角色S的距離設(shè)置音量大小并在本地播放,如圖4所示。語音合成器輸入角色說話內(nèi)容的文本,經(jīng)過本領(lǐng)域公知的語音合成常規(guī)步驟 (包括文本正則化、分詞、詞性預(yù)測、韻律預(yù)測、拼音生成、聲音參數(shù)生成、聲音合成等步驟) 生成語音輸出。變聲處理器輸入語音合成器合成出的語音,根據(jù)說話角色預(yù)設(shè)的個性化聲音參數(shù)做變聲處理,輸出對應(yīng)說話角色的個性化語音。播放器輸入個性化語音,以一定的音量在本地播放個性化聲音。為了產(chǎn)生距離越遠,聲音越小的效果,音量大小反比于該角色與說話角色的距離。4.應(yīng)用場合該系統(tǒng)可以應(yīng)用在網(wǎng)絡(luò)游戲的任何場景。無論是喧鬧的集市、繁華的城鎮(zhèn),還是寂靜的河邊、幽美的山谷,或者是激烈的戰(zhàn)斗場景,加入人聲都更加有利于玩家交流,并且讓場景更加真實。本發(fā)明一種用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法,包括如下步驟(1)創(chuàng)建游戲角色時,用戶根據(jù)系統(tǒng)提供的個性聲音參數(shù)設(shè)置接口設(shè)置個性聲音參數(shù),這些參數(shù)連同其他角色信息一起保存在服務(wù)器數(shù)據(jù)庫;(2)在游戲中需要發(fā)聲的時候,說話角色將說話內(nèi)容以及其個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色,其他角色首先由基礎(chǔ)的語音模型將說話內(nèi)容合成出相應(yīng)的語音, 再根據(jù)說話角色預(yù)設(shè)的聲音參數(shù)做變聲處理,輸出對應(yīng)說話角色的個性化語音,并在本地播放,從而達到語音合成發(fā)聲的目的。
權(quán)利要求
1.一種用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),其特征在于,該系統(tǒng)包括個性聲音參數(shù)設(shè)置模塊和語音合成模塊;該個性聲音參數(shù)設(shè)置模塊與網(wǎng)絡(luò)游戲的角色創(chuàng)建模塊相連,用于提供用戶設(shè)置聲音參數(shù)的接口,供用戶設(shè)置個性化聲音參數(shù),生成聲音預(yù)覽和參數(shù)調(diào)整,并且保存用戶最終選定的聲音參數(shù);該語音合成模塊與網(wǎng)絡(luò)游戲的戰(zhàn)斗系統(tǒng)、社交系統(tǒng)和交易系統(tǒng)相連,用于記錄同一場景所有角色的位置信息,說話角色將說話內(nèi)容以及其個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色,其他角色將說話內(nèi)容合成為語音,再根據(jù)說話角色預(yù)設(shè)的個性化聲音參數(shù)做變聲處理,并在本地播放。
2.如權(quán)利要求1所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),其特征在于,所述個性聲音參數(shù)設(shè)置模塊中用戶設(shè)置個性化聲音參數(shù)采用以下兩種方式直接設(shè)置參數(shù),或者從用戶提供的錄音文件中提取參數(shù)。
3.如權(quán)利要求1或2所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),其特征在于,所述個性聲音參數(shù)設(shè)置模塊中該用戶最終選定的聲音參數(shù)連同角色信息一起保存至服務(wù)器數(shù)據(jù)庫。
4.如權(quán)利要求3所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),其特征在于,所述角色信息為網(wǎng)絡(luò)游戲的角色創(chuàng)建模塊設(shè)置的信息,包括用戶名、性別、門派信息和服裝。
5.如權(quán)利要求1所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),其特征在于,所述個性聲音參數(shù)設(shè)置模塊主要包含兩個子模塊聲音參數(shù)生成器和用戶界面;該聲音參數(shù)生成器用于從用戶提供的錄音文件提取聲音參數(shù);該用戶界面提供給用戶選擇錄音文件、手工設(shè)置參數(shù)、 聲音預(yù)覽、參數(shù)調(diào)整以及保存的接口。
6.如權(quán)利要求1所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),其特征在于,所述語音合成模塊包括發(fā)聲管理器、語音合成器、變聲處理器和播放器四個子模塊;該發(fā)聲管理器用于記錄同一場景所有角色的位置信息,當(dāng)說話角色說話時,將說話內(nèi)容和說話人個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色;當(dāng)角色收到說話角色發(fā)來的廣播時,調(diào)用語音合成器將說話內(nèi)容合成為聲音,調(diào)用變聲處理器根據(jù)個性聲音參數(shù)設(shè)置模塊中設(shè)置的說話角色的個性化參數(shù)做變聲處理,最后根據(jù)與說話角色的距離設(shè)置音量大小并在本地播放;該語音合成器用于輸入角色說話內(nèi)容的文本,輸出合成出的語音;該變聲處理器用于輸入語音合成器合成出的語音,輸出對應(yīng)說話角色的個性化語音;該播放器用于輸入來自變聲處理器的個性化語音,以一定的音量在本地播放個性化聲音。
7.如權(quán)利要求6所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),其特征在于,所述播放器在本地播放的音量大小反比于該角色與說話角色的距離。
8.如權(quán)利要求1或6所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),其特征在于,所述語音合成模塊支持多線程,可同時合成并播放多個聲音。
9.一種用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法,其特征在于,包括如下步驟(1)創(chuàng)建游戲角色時,用戶設(shè)置個性聲音參數(shù);(2)在游戲中需要發(fā)聲的時候,說話角色將說話內(nèi)容及其個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色,其他角色將說話內(nèi)容合成為語音,再根據(jù)說話角色預(yù)設(shè)的個性化聲音參數(shù)做變聲處理,并在本地播放。
10.如權(quán)利要求9所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法,其特征在于,步驟(1)采用以下兩種方式直接設(shè)置參數(shù),或者從用戶提供的錄音文件中提取參數(shù)。
11.如權(quán)利要求10所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法,其特征在于,步驟(1)采用直接設(shè)置參數(shù),具體為首先設(shè)置參數(shù),然后經(jīng)過聲音預(yù)覽與參數(shù)調(diào)整的多次迭代,最終選定最滿意的參數(shù),最后將最終選定的參數(shù)與角色信息一起保存至服務(wù)器數(shù)據(jù)庫。
12.如權(quán)利要求11所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法,其特征在于,所述角色信息為網(wǎng)絡(luò)游戲的角色創(chuàng)建模塊設(shè)置的信息,包括用戶名、性別、門派信息和服裝。
13.如權(quán)利要求10所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法,其特征在于,步驟(1)采用從用戶提供的錄音文件中提取參數(shù),具體為首先從用戶提供的錄音文件中提取參數(shù),然后經(jīng)過聲音預(yù)覽與參數(shù)調(diào)整的多次迭代,最終選定最滿意的參數(shù),最后將最終選定的參數(shù)與角色信息一起保存至服務(wù)器數(shù)據(jù)庫。
14.如權(quán)利要求9所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法,其特征在于,步驟(2)具體為A.記錄同一場景所有角色的位置信息,當(dāng)說話角色說話時,將說話內(nèi)容和說話人個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色;B.當(dāng)其他角色收到說話角色發(fā)來的廣播時,調(diào)用語音合成器將說話內(nèi)容合成為語音;C.其他角色調(diào)用變聲處理器根據(jù)說話角色預(yù)設(shè)的個性化參數(shù)將步驟B合成的語音做變聲處理,輸出對應(yīng)說話角色的個性化語音;D.其他角色將步驟C的個性化語音根據(jù)與說話角色的距離設(shè)置音量大小并在本地播放。
15.如權(quán)利要求14所述的用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng)的實現(xiàn)方法,其特征在于,步驟B中,所述調(diào)用語音合成器將說話內(nèi)容合成為語音,具體包括如下步驟經(jīng)過文本正則化、分詞、詞性預(yù)測、韻律預(yù)測、拼音生成、聲音參數(shù)生成、聲音合成的步驟。
全文摘要
本發(fā)明公開了一種用于網(wǎng)絡(luò)游戲的語音合成系統(tǒng),該系統(tǒng)包括個性聲音參數(shù)設(shè)置模塊和語音合成模塊;該個性聲音參數(shù)設(shè)置模塊用于提供用戶設(shè)置聲音參數(shù)的接口,供用戶設(shè)置個性化聲音參數(shù),生成聲音預(yù)覽和參數(shù)調(diào)整,并且保存用戶最終選定的聲音參數(shù);該語音合成模塊用于記錄同一場景所有角色的位置信息,說話角色將說話內(nèi)容以及其個性聲音參數(shù)廣播給一定范圍內(nèi)的其他角色,其他角色將說話內(nèi)容合成為語音,再根據(jù)說話角色預(yù)設(shè)的個性化聲音參數(shù)做變聲處理,并在本地播放。此外,本發(fā)明還公開了該系統(tǒng)的實現(xiàn)方法。本發(fā)明用語音去充實游戲中的聲音,提高了游戲的表現(xiàn)力,從本質(zhì)上改善了游戲體驗的效果。
文檔編號G10L13/00GK102479506SQ20101055548
公開日2012年5月30日 申請日期2010年11月23日 優(yōu)先權(quán)日2010年11月23日
發(fā)明者宋永波 申請人:盛樂信息技術(shù)(上海)有限公司