CN109493845A - 用于生成音频的方法及装置 - Google Patents
用于生成音频的方法及装置 Download PDFInfo
- Publication number
- CN109493845A CN109493845A CN201910001986.7A CN201910001986A CN109493845A CN 109493845 A CN109493845 A CN 109493845A CN 201910001986 A CN201910001986 A CN 201910001986A CN 109493845 A CN109493845 A CN 109493845A
- Authority
- CN
- China
- Prior art keywords
- information
- audio
- initial
- type
- processed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了用于生成音频的方法及装置。该方法的一具体实施方式包括:获取待处理文字信息的信息类型,上述信息类型用于表征上述待处理文字信息的内容分类;查询与上述信息类型对应的至少一条初始音频信息,上述初始音频信息用于将属于上述信息类型的文字信息转换为音频;从上述至少一条初始音频信息中确定出目标音频信息;通过上述目标音频信息对应的音频源生成上述待处理文字信息的音频。该实施方式提高了待处理文字信息和音频的匹配度。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于生成音频的方法及装置。
背景技术
语音合成(Text to Speech)是人工智能语音领域重要的技术和应用方向之一,是将用户或产品输入的文本转换为语音的过程,通过机器模仿人类“说话”的方式,输出拟人的声音,主要应用在有声阅读、人机对话、智能音箱、智能客服等场景中,是人与机器进行自然交互的主要方式之一。
发明内容
本申请实施例提出了用于生成音频的方法及装置。
第一方面,本申请实施例提供了一种用于生成音频的方法,该方法包括:获取待处理文字信息的信息类型,上述信息类型用于表征上述待处理文字信息的内容分类;查询与上述信息类型对应的至少一条初始音频信息,上述初始音频信息用于将属于上述信息类型的文字信息转换为音频;从上述至少一条初始音频信息中确定出目标音频信息;通过上述目标音频信息对应的音频源生成上述待处理文字信息的音频。
在一些实施例中,上述获取待处理文字信息的信息类型,包括:对上述待处理文字信息进行语义分析,得到对应上述待处理文字信息的特征信息;将上述特征信息与信息类型表进行匹配,得到对应待处理文字信息的信息类型,其中,上述信息类型表包含了至少一项信息类型。
在一些实施例中,上述初始音频信息包括以下至少一项音频特征信息:性别信息、风格信息、音色信息,年龄信息,以及,上述从上述至少一条初始音频信息中确定出目标音频信息,包括:对于上述至少一条初始音频信息中的初始音频信息,获取该初始音频信息的每一条音频特征信息的权重值,根据权重值计算该初始音频信息的推荐值;将上述至少一条初始音频信息对应的推荐值中取值最大的推荐值对应的初始音频信息设置为目标音频信息。
在一些实施例中,上述根据权重值计算该初始音频信息的推荐值,包括:将初始音频信息包含的每一条音频特征信息的权重值的和作为推荐值。
在一些实施例中,上述根据权重值计算该初始音频信息的推荐值,包括:查询与上述信息类型对应的音频特征序列,上述音频特征序列用于按照匹配度对上述信息类型对应的音频特征信息进行排序,上述匹配度用于表征音频特征信息对上述信息类型的重要程度;对于上述音频特征序列包含的音频特征信息,计算该初始音频信息中该音频特征信息的权重值与该音频特征信息在上述音频特征序列中的排序对应的排序权重值的乘积,得到该音频特征信息的初始权重值;将对应该初始音频信息的初始权重值之和作为该初始音频信息的推荐值。
第二方面,本申请实施例提供了一种用于生成音频的装置,该装置包括:信息类型获取单元,被配置成获取待处理文字信息的信息类型,上述信息类型用于表征上述待处理文字信息的内容分类;初始音频信息查询单元,被配置成查询与上述信息类型对应的至少一条初始音频信息,上述初始音频信息用于将属于上述信息类型的文字信息转换为音频;目标音频信息确定单元,被配置成从上述至少一条初始音频信息中确定出目标音频信息;音频生成单元,被配置成通过上述目标音频信息对应的音频源生成上述待处理文字信息的音频。
在一些实施例中,上述信息类型获取单元包括:特征信息获取子单元,被配置成对上述待处理文字信息进行语义分析,得到对应上述待处理文字信息的特征信息;信息类型匹配子单元,被配置成将上述特征信息与信息类型表进行匹配,得到对应待处理文字信息的信息类型,其中,上述信息类型表包含了至少一项信息类型。
在一些实施例中,上述初始音频信息包括以下至少一项音频特征信息:性别信息、风格信息、音色信息,年龄信息,以及,上述目标音频信息确定单元包括:权重值获取子单元,对于上述至少一条初始音频信息中的初始音频信息,被配置成获取该初始音频信息的每一条音频特征信息的权重值,根据权重值计算该初始音频信息的推荐值;目标音频信息确定子单元,被配置成将上述至少一条初始音频信息对应的推荐值中取值最大的推荐值对应的初始音频信息设置为目标音频信息。
在一些实施例中,上述权重值获取子单元包括:第一推荐值计算模块,被配置成将初始音频信息包含的每一条音频特征信息的权重值的和作为推荐值。
在一些实施例中,上述权重值获取子单元包括:音频特征序列查询模块,被配置成查询与上述信息类型对应的音频特征序列,上述音频特征序列用于按照匹配度对上述信息类型对应的音频特征信息进行排序,上述匹配度用于表征音频特征信息对上述信息类型的重要程度;初始权重值计算模块,被配置成对于上述音频特征序列包含的音频特征信息,计算该初始音频信息中该音频特征信息的权重值与该音频特征信息在上述音频特征序列中的排序对应的排序权重值的乘积,得到该音频特征信息的初始权重值;第二推荐值计算模块,被配置成将对应该初始音频信息的初始权重值之和作为该初始音频信息的推荐值。
第三方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述第一方面的用于生成音频的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述第一方面的用于生成音频的方法。
本申请实施例提供的用于生成音频的方法及装置,首先获取待处理文字信息的信息类型,其中信息类型用于表征待处理文字信息的内容分类;然后查询与上述信息类型对应的至少一条初始音频信息,找出与待处理文字匹配的所有初始音频信息;之后,从上述至少一条初始音频信息中确定出目标音频信息;最后通过上述目标音频信息对应的音频源生成上述待处理文字信息的音频。本技术方案能够根据待处理文字信息的信息类型确定目标音频信息,并通过目标音频信息将待处理文字信息转换为音频,提高了待处理文字信息和音频的匹配度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于生成音频的方法的一个实施例的流程图;
图3是根据本申请的用于生成音频的方法的一个应用场景的示意图;
图4是根据本申请的用于生成音频的方法的又一个实施例的流程图;
图5是根据本申请的用于生成音频的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于生成音频的方法或用于生成音频的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种信息处理应用,例如文字输入应用、信息搜索应用、信息编辑应用、信息发送工具、文件存储应用、音频播放应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持信息传递的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块,在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103发来的待处理文字信息进行数据处理的服务器。服务器可以对接收到的待处理文字信息等数据进行分析等处理,并将处理结果(例如音频)反馈给终端设备。
需要说明的是,本申请实施例所提供的用于生成音频的方法可以由终端设备101、102、103单独执行,或者也可以由终端设备101、102、103和服务器105共同执行。相应地,用于生成音频的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块,在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于生成音频的方法的一个实施例的流程200。该用于生成音频的方法包括以下步骤:
步骤201,获取待处理文字信息的信息类型。
在本实施例中,用于生成音频的方法的执行主体(例如图1所示的终端设备101、102、103和/或服务器105)可以通过有线连接方式或者无线连接方式接收待处理文字信息。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
语音合成技术通常基于特定风格的发音人,将输入的任意文本合成音频。实际中,不同领域的文本特点不同,而特定风格的发音人往往只适合对应领域的文本合成,在其它领域文本合成时效果较差。现有的语音合成技术在将文本转换为音频的过程中,技术人员通常不易为文本选择最匹配的音频信息(音频信息可以包括发音人的性别、年龄、风格等)。因此,现有的语音合成技术得到的音频容易出现发音人的发音特点与文本内容不匹配的情况。
为此,本申请的执行主体在获取到待处理文字信息后,可以首先获取待处理文字信息的信息类型。其中,待处理文字信息用于转换为音频。上述信息类型可以用于表征上述待处理文字信息的内容分类。例如,待处理文字信息内容可以为科技新闻、体育新闻、军事新闻等多种内容分类。对应的信息类型就可以是科技信息类型、体育信息类型、军事信息类型等多种信息类型。执行主体可以通过信息分类表中的特征词对待处理文字信息进行特征词提取。信息分类表可以包含科技信息类型、体育信息类型、军事信息类型等多种信息类型常用的特征词,执行主体可以通过特征词对待处理文字信息进行信息提取。如果待处理文字信息内包含有某一信息类型的特征词,或某一信息类型的特征词出现的最多,则可以将特征词对应的信息类型确定为待处理文字信息的类型。还可以通过其他多种方式确定待处理文字信息的信息类型,此处不再一一赘述。
在本实施例的一些可选的实现方式中,上述获取待处理文字信息的信息类型,可以包括以下步骤:
第一步,对上述待处理文字信息进行语义分析,得到对应上述待处理文字信息的特征信息。
得到待处理文字信息后,执行主体可以通过语义分析等方法对待处理文字信息进行数据处理,得到待处理文字信息的特征信息。其中,特征信息可以用于表征待处理文字信息的内容分类。
第二步,将上述特征信息与信息类型表进行匹配,得到对应待处理文字信息的信息类型。
得到特征信息后,执行主体可以将特征信息与信息类型表进行匹配。其中,上述信息类型表可以多种信息类型。多种信息类型可以有多级分类。例如,一级信息类型为新闻资讯类型时,对应的二级信息类型可以包括科技信息类型、体育信息类型、军事信息类型等多种信息类型等;一级信息类型为小说阅读类型时,对应的二级信息类型可以包括儿童故事信息类型、武侠小说信息类型、玄幻小说信息类型等。如此,提高了获取信息类型的准确性,有利于提高待处理文字信息和音频的匹配度。
实际中,执行主体在获取待处理文字信息时,也可以直接接收到用户输入的信息类型。
步骤202,查询与上述信息类型对应的至少一条初始音频信息。
得到信息类型后,执行主体可以查询与上述信息类型对应的至少一条初始音频信息。其中,初始音频信息可以用于将属于上述信息类型的文字信息转换为音频,每条初始音频信息都有对应的音频源。此处的初始音频信息可以是预先获取到的、满足上述信息类型的音频信息。例如,信息类型为武侠小说信息类型,则可以选择具有武侠风格的男性的音频信息和女性的音频信息作为初始音频信息。
步骤203,从上述至少一条初始音频信息中确定出目标音频信息。
执行主体可以通过任意一条初始音频信息将待处理文字信息转换为音频。为了获取最优的音频效果,执行主体还可以进一步在得到的至少一条初始音频信息中确定出最适合待处理文字信息的目标音频信息。执行主体可以直接根据信息类型从初始音频信息中选择男性音频信息或女性音频信息。例如,当信息类型为军事信息类型时,可以选用男性音频信息;当信息类型为儿童故事信息类型时,可以选用女性音频信息。执行主体还可以通过随机选择或初始音频信息中被选择的频率最高的初始音频信息等方式来确定目标音频信息,此处不再一一赘述。
步骤204,通过上述目标音频信息对应的音频源生成上述待处理文字信息的音频。
得到目标音频信息后,执行主体可以直接通过目标音频信息查找对应的音频源,并通过目标音频信息对应的音频源生成待处理文字信息的音频。
继续参见图3,图3是根据本实施例的用于生成音频的方法的应用场景的一个示意图。在图3的应用场景中,服务器105(执行主体)接收到待处理文字信息:“XXXXXXXXXXXXXX”后,获取到对应该待处理文字信息的信息类型为:儿童故事信息类型;然后,服务器105查询对应儿童故事信息类型的至少一条初始音频信息;之后,服务器105确定出目标音频信息:[年龄信息]:儿童类、[音色信息]:可爱、[风格信息]:文学类、[性别信息]:女性;最后,服务器105通过该目标音频信息将待处理文字信息转换为音频。
本申请的上述实施例提供的方法首先获取待处理文字信息的信息类型,其中信息类型用于表征待处理文字信息的内容分类;然后查询与上述信息类型对应的至少一条初始音频信息,找出与待处理文字匹配的所有初始音频信息;之后,从上述至少一条初始音频信息中确定出目标音频信息;最后通过上述目标音频信息对应的音频源生成上述待处理文字信息的音频。本技术方案能够根据待处理文字信息的信息类型确定目标音频信息,并通过目标音频信息将待处理文字信息转换为音频,提高了待处理文字信息和音频的匹配度。
进一步参考图4,其示出了用于生成音频的方法的又一个实施例的流程400。该用于生成音频的方法的流程400,包括以下步骤:
步骤401,获取待处理文字信息的信息类型。
步骤401的内容与步骤201的内容相同,此处不再一一赘述。
步骤402,查询与上述信息类型对应的至少一条初始音频信息。
步骤402的内容与步骤202的内容相同,此处不再一一赘述。
步骤403,从上述至少一条初始音频信息中确定出目标音频信息。
在本实施例的一些可选的实现方式中,上述初始音频信息可以包括以下至少一项音频特征信息:性别信息、风格信息、音色信息,年龄信息等。其中,性别信息可以包括:男性、女性;风格信息可以包括:新闻类、军事类、文学类、情感类等;音色信息可以包括:硬朗、可爱、温柔等;年龄信息可以包括:儿童类、少年类、成人类、老年类等。技术人员可以首先获取音频源,然后通过多种方式对音频源进行分类得到音频特征信息。对应的,上述从上述至少一条初始音频信息中确定出目标音频信息,可以包括以下步骤:
第一步,对于上述至少一条初始音频信息中的初始音频信息,获取该初始音频信息的每一条音频特征信息的权重值,根据权重值计算该初始音频信息的推荐值。
初始音频信息包括有多种音频特征信息。对于某一具体的初始音频信息而言,每一种音频特征信息都有对应的权重值。其中,权重值可以用于表征音频特征信息的重要程度。例如,执行主体可以按照音频特征信息对每条音频信息进行比较,进而为每条音频信息包含的音频特征信息设置权重值。如此,权重值就可以反映某一音频信息的音频特征信息在全部音频信息的该音频特征信息中的重要程度。之后,执行主体可以根据权重值计算该初始音频信息的推荐值。例如,执行主体可以将初始音频信息中的、大于设定权重阈值的权重值进行求和,得到该初始音频信息中的推荐值。执行主体还可以通过其他方式计算初始音频信息的推荐值,此处不再一一赘述。
第二步,将上述至少一条初始音频信息对应的推荐值中取值最大的推荐值对应的初始音频信息设置为目标音频信息。
通过上述步骤可以得到每条初始音频信息的推荐值。推荐值表征了初始音频信息与待处理文字信息的匹配程度。推荐值越大,匹配程度越高。为此,执行主体可以将最大的推荐值对应的初始音频信息设置为目标音频信息,有利于提高待处理文字信息和音频的匹配度。
在本实施例的一些可选的实现方式中,上述根据权重值计算该初始音频信息的推荐值,可以包括:将初始音频信息包含的每一条音频特征信息的权重值的和作为推荐值。
除了上述按照设定权重阈值筛选权重值来计算推荐值的方法外,执行主体还可以直接将初始音频信息包含的每一条音频特征信息的权重值的和作为推荐值。此时得到的推荐值能够表征初始音频信息的整体匹配程度,有利于提高待处理文字信息和音频的匹配度。
在本实施例的一些可选的实现方式中,上述根据权重值计算该初始音频信息的推荐值,可以包括以下步骤:
第一步,查询与上述信息类型对应的音频特征序列。
为了计算初始音频信息的推荐值,执行主体可以首先查询与该信息类型对应的音频特征序列。其中,上述音频特征序列用于按照匹配度对上述信息类型对应的音频特征信息进行排序,上述匹配度用于表征音频特征信息对上述信息类型的重要程度。例如,信息类型为儿童故事信息类型,则音频特征序列可以为:1、[年龄信息];2、[音色信息];3、[风格信息];4、[性别信息]。[年龄信息]、[音色信息]、[风格信息]、[性别信息]之间的先后顺序表明了儿童故事信息类型对各个音频特征信息的匹配度。
第二步,对于上述音频特征序列包含的音频特征信息,计算该初始音频信息中该音频特征信息的权重值与该音频特征信息在上述音频特征序列中的排序对应的排序权重值的乘积,得到该音频特征信息的初始权重值。
由上述描述可知,不同的信息类型对应的音频特征序列包含的音频特征信息的顺序不同。每个音频特征信息在音频特征序列内可以有对应的排序权重值。通常,在音频特征序列内越靠前的音频特征信息的排序权重值的取值越大。执行主体可以计算该初始音频信息中该音频特征信息的权重值与该音频特征信息在上述音频特征序列中的排序对应的排序权重值的乘积,得到该音频特征信息的初始权重值。
第三步,将对应该初始音频信息的初始权重值之和作为该初始音频信息的推荐值。
得到初始权重值后,执行主体对初始权重值求和,并将求和得到的初始权重值之和作为该初始音频信息的推荐值,有利于提高待处理文字信息和音频的匹配度。
步骤404,通过上述目标音频信息对应的音频源生成上述待处理文字信息的音频。
步骤404的内容与步骤204的内容相同,此处不再一一赘述。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于生成音频的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于生成音频的装置500可以包括:信息类型获取单元501、初始音频信息查询单元502、目标音频信息确定单元503和音频生成单元504。其中,信息类型获取单元501被配置成获取待处理文字信息的信息类型,上述信息类型用于表征上述待处理文字信息的内容分类;初始音频信息查询单元502被配置成查询与上述信息类型对应的至少一条初始音频信息,上述初始音频信息用于将属于上述信息类型的文字信息转换为音频;目标音频信息确定单元503被配置成从上述至少一条初始音频信息中确定出目标音频信息;音频生成单元504被配置成通过上述目标音频信息对应的音频源生成上述待处理文字信息的音频。
在本实施例的一些可选的实现方式中,上述信息类型获取单元501可以包括:特征信息获取子单元(图中未示出)和信息类型匹配子单元(图中未示出)。其中,特征信息获取子单元被配置成对上述待处理文字信息进行语义分析,得到对应上述待处理文字信息的特征信息;信息类型匹配子单元被配置成将上述特征信息与信息类型表进行匹配,得到对应待处理文字信息的信息类型,其中,上述信息类型表包含了至少一项信息类型。
在本实施例的一些可选的实现方式中,上述初始音频信息可以包括以下至少一项音频特征信息:性别信息、风格信息、音色信息,年龄信息,以及,上述目标音频信息确定单元503可以包括:权重值获取子单元(图中未示出)和目标音频信息确定子单元(图中未示出)。其中,权重值获取子单元,对于上述至少一条初始音频信息中的初始音频信息,被配置成获取该初始音频信息的每一条音频特征信息的权重值,根据权重值计算该初始音频信息的推荐值;目标音频信息确定子单元被配置成将上述至少一条初始音频信息对应的推荐值中取值最大的推荐值对应的初始音频信息设置为目标音频信息。
在本实施例的一些可选的实现方式中,上述权重值获取子单元可以包括:第一推荐值计算模块,被配置成将初始音频信息包含的每一条音频特征信息的权重值的和作为推荐值。
在本实施例的一些可选的实现方式中,上述权重值获取子单元可以包括:音频特征序列查询模块(图中未示出)、初始权重值计算模块(图中未示出)和第二推荐值计算模块(图中未示出)。其中,音频特征序列查询模块被配置成查询与上述信息类型对应的音频特征序列,上述音频特征序列用于按照匹配度对上述信息类型对应的音频特征信息进行排序,上述匹配度用于表征音频特征信息对上述信息类型的重要程度;初始权重值计算模块被配置成对于上述音频特征序列包含的音频特征信息,计算该初始音频信息中该音频特征信息的权重值与该音频特征信息在上述音频特征序列中的排序对应的排序权重值的乘积,得到该音频特征信息的初始权重值;第二推荐值计算模块被配置成将对应该初始音频信息的初始权重值之和作为该初始音频信息的推荐值。
本实施例还提供了一种服务器,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述的用于生成音频的方法。
本实施例还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现上述的用于生成音频的方法。
下面参考图6,其示出了适于用来实现本申请实施例的服务器(例如,图1中的服务器105)的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括信息类型获取单元、初始音频信息查询单元、目标音频信息确定单元和音频生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,音频生成单元还可以被描述为“用于将待处理文字信息转换为音频的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取待处理文字信息的信息类型,上述信息类型用于表征上述待处理文字信息的内容分类;查询与上述信息类型对应的至少一条初始音频信息,上述初始音频信息用于将属于上述信息类型的文字信息转换为音频;从上述至少一条初始音频信息中确定出目标音频信息;通过上述目标音频信息对应的音频源生成上述待处理文字信息的音频。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于生成音频的方法,包括:
获取待处理文字信息的信息类型,所述信息类型用于表征所述待处理文字信息的内容分类;
查询与所述信息类型对应的至少一条初始音频信息,所述初始音频信息用于将属于所述信息类型的文字信息转换为音频;
从所述至少一条初始音频信息中确定出目标音频信息;
通过所述目标音频信息对应的音频源生成所述待处理文字信息的音频。
2.根据权利要求1所述的方法,其中,所述获取待处理文字信息的信息类型,包括:
对所述待处理文字信息进行语义分析,得到对应所述待处理文字信息的特征信息;
将所述特征信息与信息类型表进行匹配,得到对应待处理文字信息的信息类型,其中,所述信息类型表包含了至少一项信息类型。
3.根据权利要求1所述的方法,其中,所述初始音频信息包括以下至少一项音频特征信息:性别信息、风格信息、音色信息,年龄信息,以及
所述从所述至少一条初始音频信息中确定出目标音频信息,包括:
对于所述至少一条初始音频信息中的初始音频信息,获取该初始音频信息的每一条音频特征信息的权重值,根据权重值计算该初始音频信息的推荐值;
将所述至少一条初始音频信息对应的推荐值中取值最大的推荐值对应的初始音频信息设置为目标音频信息。
4.根据权利要求3所述的方法,其中,所述根据权重值计算该初始音频信息的推荐值,包括:
将初始音频信息包含的每一条音频特征信息的权重值的和作为推荐值。
5.根据权利要求3所述的方法,其中,所述根据权重值计算该初始音频信息的推荐值,包括:
查询与所述信息类型对应的音频特征序列,所述音频特征序列用于按照匹配度对所述信息类型对应的音频特征信息进行排序,所述匹配度用于表征音频特征信息对所述信息类型的重要程度;
对于所述音频特征序列包含的音频特征信息,计算该初始音频信息中该音频特征信息的权重值与该音频特征信息在所述音频特征序列中的排序对应的排序权重值的乘积,得到该音频特征信息的初始权重值;
将对应该初始音频信息的初始权重值之和作为该初始音频信息的推荐值。
6.一种用于生成音频的装置,包括:
信息类型获取单元,被配置成获取待处理文字信息的信息类型,所述信息类型用于表征所述待处理文字信息的内容分类;
初始音频信息查询单元,被配置成查询与所述信息类型对应的至少一条初始音频信息,所述初始音频信息用于将属于所述信息类型的文字信息转换为音频;
目标音频信息确定单元,被配置成从所述至少一条初始音频信息中确定出目标音频信息;
音频生成单元,被配置成通过所述目标音频信息对应的音频源生成所述待处理文字信息的音频。
7.根据权利要求6所述的装置,其中,所述信息类型获取单元包括:
特征信息获取子单元,被配置成对所述待处理文字信息进行语义分析,得到对应所述待处理文字信息的特征信息;
信息类型匹配子单元,被配置成将所述特征信息与信息类型表进行匹配,得到对应待处理文字信息的信息类型,其中,所述信息类型表包含了至少一项信息类型。
8.根据权利要求6所述的装置,其中,所述初始音频信息包括以下至少一项音频特征信息:性别信息、风格信息、音色信息,年龄信息,以及
所述目标音频信息确定单元包括:
权重值获取子单元,对于所述至少一条初始音频信息中的初始音频信息,被配置成获取该初始音频信息的每一条音频特征信息的权重值,根据权重值计算该初始音频信息的推荐值;
目标音频信息确定子单元,被配置成将所述至少一条初始音频信息对应的推荐值中取值最大的推荐值对应的初始音频信息设置为目标音频信息。
9.根据权利要求8所述的装置,其中,所述权重值获取子单元包括:
第一推荐值计算模块,被配置成将初始音频信息包含的每一条音频特征信息的权重值的和作为推荐值。
10.根据权利要求8所述的装置,其中,所述权重值获取子单元包括:
音频特征序列查询模块,被配置成查询与所述信息类型对应的音频特征序列,所述音频特征序列用于按照匹配度对所述信息类型对应的音频特征信息进行排序,所述匹配度用于表征音频特征信息对所述信息类型的重要程度;
初始权重值计算模块,被配置成对于所述音频特征序列包含的音频特征信息,计算该初始音频信息中该音频特征信息的权重值与该音频特征信息在所述音频特征序列中的排序对应的排序权重值的乘积,得到该音频特征信息的初始权重值;
第二推荐值计算模块,被配置成将对应该初始音频信息的初始权重值之和作为该初始音频信息的推荐值。
11.一种服务器,包括:
一个或多个处理器;
存储器,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行权利要求1至5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001986.7A CN109493845A (zh) | 2019-01-02 | 2019-01-02 | 用于生成音频的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001986.7A CN109493845A (zh) | 2019-01-02 | 2019-01-02 | 用于生成音频的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109493845A true CN109493845A (zh) | 2019-03-19 |
Family
ID=65713724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910001986.7A Pending CN109493845A (zh) | 2019-01-02 | 2019-01-02 | 用于生成音频的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109493845A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634983A (zh) * | 2008-07-21 | 2010-01-27 | 华为技术有限公司 | 一种文本分类方法和装置 |
CN102799610A (zh) * | 2012-06-01 | 2012-11-28 | 北京奇乐客科技有限公司 | 网络信息收藏方法及系统 |
CN103106245A (zh) * | 2012-12-31 | 2013-05-15 | 武汉传神信息技术有限公司 | 基于大规模术语语料库对译稿自动碎片化分类的方法 |
CN103942233A (zh) * | 2013-01-21 | 2014-07-23 | 腾讯科技(深圳)有限公司 | 目录型网页的介绍页识别方法及装置 |
CN103996130A (zh) * | 2014-04-29 | 2014-08-20 | 北京京东尚科信息技术有限公司 | 一种商品评价信息过滤方法及系统 |
CN104391980A (zh) * | 2014-12-08 | 2015-03-04 | 百度在线网络技术(北京)有限公司 | 生成歌曲的方法和装置 |
CN105096932A (zh) * | 2015-07-14 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 有声读物的语音合成方法和装置 |
US20170110110A1 (en) * | 2014-09-29 | 2017-04-20 | Nuance Communications, Inc. | Systems and methods for multi-style speech synthesis |
CN107436895A (zh) * | 2016-05-26 | 2017-12-05 | 中国移动通信集团云南有限公司 | 一种非结构化数据识别的方法和装置 |
CN107452400A (zh) * | 2017-07-24 | 2017-12-08 | 珠海市魅族科技有限公司 | 语音播报方法及装置、计算机装置和计算机可读存储介质 |
-
2019
- 2019-01-02 CN CN201910001986.7A patent/CN109493845A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634983A (zh) * | 2008-07-21 | 2010-01-27 | 华为技术有限公司 | 一种文本分类方法和装置 |
CN102799610A (zh) * | 2012-06-01 | 2012-11-28 | 北京奇乐客科技有限公司 | 网络信息收藏方法及系统 |
CN103106245A (zh) * | 2012-12-31 | 2013-05-15 | 武汉传神信息技术有限公司 | 基于大规模术语语料库对译稿自动碎片化分类的方法 |
CN103942233A (zh) * | 2013-01-21 | 2014-07-23 | 腾讯科技(深圳)有限公司 | 目录型网页的介绍页识别方法及装置 |
CN103996130A (zh) * | 2014-04-29 | 2014-08-20 | 北京京东尚科信息技术有限公司 | 一种商品评价信息过滤方法及系统 |
US20170110110A1 (en) * | 2014-09-29 | 2017-04-20 | Nuance Communications, Inc. | Systems and methods for multi-style speech synthesis |
CN104391980A (zh) * | 2014-12-08 | 2015-03-04 | 百度在线网络技术(北京)有限公司 | 生成歌曲的方法和装置 |
CN105096932A (zh) * | 2015-07-14 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 有声读物的语音合成方法和装置 |
CN107436895A (zh) * | 2016-05-26 | 2017-12-05 | 中国移动通信集团云南有限公司 | 一种非结构化数据识别的方法和装置 |
CN107452400A (zh) * | 2017-07-24 | 2017-12-08 | 珠海市魅族科技有限公司 | 语音播报方法及装置、计算机装置和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108737872A (zh) | 用于输出信息的方法和装置 | |
CN107844586A (zh) | 新闻推荐方法和装置 | |
CN109947919A (zh) | 用于生成文本匹配模型的方法和装置 | |
CN109036425A (zh) | 用于操作智能终端的方法和装置 | |
CN109145148A (zh) | 信息处理方法和装置 | |
CN109522483A (zh) | 用于推送信息的方法和装置 | |
CN108121800A (zh) | 基于人工智能的信息生成方法和装置 | |
CN109165344A (zh) | 用于推送信息的方法和装置 | |
CN108287927B (zh) | 用于获取信息的方法及装置 | |
CN108933730A (zh) | 信息推送方法和装置 | |
CN109492160A (zh) | 用于推送信息的方法和装置 | |
CN108628830A (zh) | 一种语义识别的方法和装置 | |
CN108520470A (zh) | 用于生成用户属性信息的方法和装置 | |
CN107967333A (zh) | 语音搜索方法、语音搜索装置及电子设备 | |
CN109635094A (zh) | 用于生成答案的方法和装置 | |
CN110046254A (zh) | 用于生成模型的方法和装置 | |
CN102292766A (zh) | 用于提供用于语音识别自适应的复合模型的方法、装置和计算机程序产品 | |
CN110162675A (zh) | 应答语句的生成方法、装置、计算机可读介质及电子设备 | |
CN107808007A (zh) | 信息处理方法和装置 | |
CN107452378A (zh) | 基于人工智能的语音交互方法和装置 | |
CN102567447A (zh) | 信息处理装置和方法、信息处理系统及程序 | |
CN109739605A (zh) | 生成信息的方法和装置 | |
CN108924218A (zh) | 用于推送信息的方法和装置 | |
CN108920543A (zh) | 查询和交互的方法及装置、计算机装置、存储介质 | |
CN109389182A (zh) | 用于生成信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190319 |
|
RJ01 | Rejection of invention patent application after publication |