CN110298906B - 用于生成信息的方法和装置 - Google Patents

用于生成信息的方法和装置 Download PDF

Info

Publication number
CN110298906B
CN110298906B CN201910573150.4A CN201910573150A CN110298906B CN 110298906 B CN110298906 B CN 110298906B CN 201910573150 A CN201910573150 A CN 201910573150A CN 110298906 B CN110298906 B CN 110298906B
Authority
CN
China
Prior art keywords
information
target
feedback information
video
portrait
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.)
Active
Application number
CN201910573150.4A
Other languages
English (en)
Other versions
CN110298906A (zh
Inventor
黄靖博
范美华
何建斌
王励皓
蔡振盛
孔世康
赵亚飞
王建祥
陈超
陈波
李全港
刘羽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910573150.4A priority Critical patent/CN110298906B/zh
Publication of CN110298906A publication Critical patent/CN110298906A/zh
Priority to US16/708,902 priority patent/US11151765B2/en
Priority to KR1020190166709A priority patent/KR20210001857A/ko
Priority to JP2019227932A priority patent/JP7104683B2/ja
Priority to KR1020210176319A priority patent/KR102471202B1/ko
Application granted granted Critical
Publication of CN110298906B publication Critical patent/CN110298906B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/14—Systems for two-way working
    • H04N7/15—Conference systems
    • H04N7/157—Conference systems defining a virtual conference space and using avatars or agents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/205—3D [Three Dimensional] animation driven by audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • 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
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
    • G10L13/047—Architecture of speech synthesisers
    • 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
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • 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
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • 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
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • 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
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • 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
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Processing Or Creating Images (AREA)
  • User Interface Of Digital Computer (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开实施例公开了用于生成信息的方法和装置，涉及云计算领域。该方法的一具体实施方式包括：接收客户端发送的用户的视频和音频；对上述视频和音频进行分析处理，确定上述用户的意图类别；根据上述用户的意图类别和预设的业务信息集合，生成反馈信息；基于上述反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频；将上述三维虚拟人像的视频发送给上述客户端，以供上述客户端呈现给上述用户。该实施方式现了向客户端反馈满足用户意图类别的三维虚拟人像的视频，提高了用户与三维虚拟人像现场交互的准确性。

Description

用于生成信息的方法和装置
技术领域
本公开实施例涉及计算机技术领域，具体涉及用于生成信息的方法和装置。
背景技术
随着人工智能(Artificial Intelligence，AI)技术的飞速发展，智能服务已经被应用到了各个领域。例如，金融领域的智能客服、智能理财顾问等等。虚拟人像技术通过渲染三维虚拟人像，可以为智能服务提供更为便捷的使用体验，从而提升了用户与三维虚拟人像交互时三维虚拟人像的拟人度。现有的虚拟人像技术虽然已经具有较高的拟人效果，但大多仍然停留在脚本化的应用场景，例如三维游戏、电影CG(Computer Graphics，计算机动画)等，只能做到按照指示的内容对已经设计好的动作进行响应，且研发人力和时间成本都较高。
发明内容
本公开实施例提出了用于生成信息的方法和装置。
第一方面，本公开实施例提供了一种用于生成信息的方法，该方法包括：接收客户端发送的用户的视频和音频；对上述视频和音频进行分析处理，确定上述用户的意图类别；根据上述用户的意图类别和预设的业务信息集合，生成反馈信息；基于上述反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频；将上述三维虚拟人像的视频发送给上述客户端，以供上述客户端呈现给上述用户。
在一些实施例中，上述反馈信息为文本反馈信息；以及上述基于上述反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频，包括：根据上述文本反馈信息生成语音反馈信息；根据上述文本反馈信息，从预设的人像信息集合获取目标人像信息，其中，上述目标人像信息包括目标表情信息、目标口型信息和目标动作信息；根据上述语音反馈信息、目标表情信息、目标口型信息和目标动作信息，通过动画引擎生成三维虚拟人像的视频。
在一些实施例中，上述人像信息集合包括表情信息集合、口型信息集合和动作信息集合；以及上述根据上述文本反馈信息，从预设的人像信息集合获取目标人像信息，包括：根据上述文本反馈信息，从上述表情信息集合中确定目标表情信息；根据上述文本反馈信息，从上述口型信息集合中确定目标口型信息；根据上述文本反馈信息，从上述动作信息集合中确定目标动作信息；将上述目标表情信息、目标口型信息和目标动作信息作为目标人像信息。
在一些实施例中，上述根据上述文本反馈信息生成语音反馈信息，包括：将上述文本反馈信息输入预先建立的语音生成模型，生成语音反馈信息，其中，上述语音生成模型是基于真人语音训练得到的。
在一些实施例中，上述方法还包括：接收三维虚拟人像的定制请求，其中，上述定制请求包括用于确定三维虚拟人像外观的信息；根据上述定制请求，确定三维虚拟人像的外观。
第二方面，本公开实施例提供了一种用于生成信息的装置，装置包括：接收单元，被配置成接收客户端发送的用户的视频和音频；分析单元，被配置成对上述视频和音频进行分析处理，确定上述用户的意图类别；第一生成单元，被配置成根据上述用户的意图类别和预设的业务信息集合，生成反馈信息；第二生成单元，被配置成基于上述反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频；发送单元，被配置成将上述三维虚拟人像的视频发送给上述客户端，以供上述客户端呈现给上述用户。
在一些实施例中，上述反馈信息为文本反馈信息；以及上述第二生成单元包括：语音生成单元，被配置成根据上述文本反馈信息生成语音反馈信息；获取单元，被配置成根据上述文本反馈信息，从预设的人像信息集合获取目标人像信息，其中，上述目标人像信息包括目标表情信息、目标口型信息和目标动作信息；视频生成单元，被配置成根据上述语音反馈信息、目标表情信息、目标口型信息和目标动作信息，通过动画引擎生成三维虚拟人像的视频。
在一些实施例中，上述人像信息集合包括表情信息集合、口型信息集合和动作信息集合；以及上述获取单元进一步被配置成：根据上述文本反馈信息，从上述表情信息集合中确定目标表情信息；根据上述文本反馈信息，从上述口型信息集合中确定目标口型信息；根据上述文本反馈信息，从上述动作信息集合中确定目标动作信息；将上述目标表情信息、目标口型信息和目标动作信息作为目标人像信息。
在一些实施例中，上述语音生成单元进一步被配置成：将上述文本反馈信息输入预先建立的语音生成模型，生成语音反馈信息，其中，上述语音生成模型是基于真人语音训练得到的。
在一些实施例中，上述装置还包括：请求接收单元，被配置成接收三维虚拟人像的定制请求，其中，上述定制请求包括用于确定三维虚拟人像外观的信息；确定单元，被配置成根据上述定制请求，确定三维虚拟人像的外观。
第三方面，本公开实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，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实现如第一方面中任一实现方式描述的方法。
第四方面，本公开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，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开实施例提供的用于生成信息的方法和装置，首先，接收客户端发送的用户的视频和音频。其次，对视频和音频进行分析处理，确定用户的意图类别。再次，根据用户的意图类别和预设的业务信息集合生成反馈信息。然后，基于反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频。最后，将生成的三维虚拟人像的视频发送给客户端，以供客户端呈现给用户。从而实现了向客户端反馈满足用户意图类别的三维虚拟人像的视频，提高了用户与三维虚拟人像现场交互的准确性，以及三维虚拟人像的拟人度，提升了用户体验。
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，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的用于生成信息的方法的一个实施例的流程图；
图3是根据本公开的用于生成信息的方法的一个应用场景的示意图；
图4是根据本公开的用于生成信息的方法的又一个实施例的流程图；
图5是根据本公开的用于生成信息的装置的一个实施例的结构示意图；
图6是适于用来实现本公开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公开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，本公开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公开。
图1示出了可以应用本公开实施例的用于生成信息的方法或用于生成信息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上可以安装有各种通讯客户端应用，例如聊天机器人应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
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、视频采集设备(例如摄像头)、音频采集设备(例如，麦克风)等等的各种电子设备，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上显示的三维虚拟人像提供支持的后台服务器。后台服务器可以对接收到视频和音频等数据进行分析等处理，并将处理结果(例如三维虚拟人像的视频)反馈给终端设备101、102、103。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105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105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。
需要说明的是，本公开实施例所提供的用于生成信息的方法一般由服务器105执行，相应地，用于生成信息的装置一般设置于服务器105中。
继续参考图2，示出了根据本公开的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：
步骤201，接收客户端发送的用户的视频和音频。
在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从客户端接收用户的视频和音频。这里，当用户通过客户端输入文本信息时，客户端还可以将文本信息发送给执行主体。另外，客户端还可以将自身的位置信息发送给执行主体。
通常，用户可以利用终端(例如，图1所示的终端设备101、102、103)上安装的客户端进行信息交互。这里，用户所使用的终端可以设置有视频采集设备(例如摄像头)、音频采集设备(例如，麦克风)等。终端可以实时采集用户的视频、音频等信息，并由客户端将所采集的视频和音频等信息实时传输给执行主体。这里，执行主体可以是为客户端提供支持的后端服务器。这样，后端服务器可以实时对用户的视频和音频等信息进行处理。
步骤202，对视频和音频进行分析处理，确定用户的意图类别。
在本实施例中，执行主体可以对步骤201中接收到视频和音频进行各种分析处理，从而确定用户的意图类别。作为示例，执行主体可以对视频中的视频帧进行人脸识别、表情识别、手势识别、姿势识别等等。从而得到用户的身份、表情、手势、姿势等用户特征信息。执行主体还可以对上述音频进行语音识别，得到音频对应的文本信息，之后，执行主体可以对用户特征信息以及音频对应的文本信息进行语义分析等处理，从而确定用户的意图类别。这里，意图类别可以用于表示用户通过客户端发送视频和音频的意图的类别。
实践中，可以根据客户端所应用的业务场景预先设置意图类别。以客户端所应用的业务场景为金融(例如，银行)场景为例，预先设置的意图类别可以包括个人信息更新、业务咨询、业务办理等等。这样，执行主体可以对用户特征信息和音频对应的文本信息采用各种语义分析手段(例如，分词、词性标注、命名实体识别等)，从而确定用户的意图类别。作为示例，执行主体可以对用户特征信息和音频对应的文本信息进行分词，得到至少一个分词。之后，将至少一个分词输入预先建立的意图分类模型，从而得到用户的意图类别。其中，意图分类模型用于表征分词集合与意图类别的对应关系。上述意图分类模型可以是基于机器学习方法得到。
步骤203，根据用户的意图类别和预设的业务信息集合，生成反馈信息。
在本实现方式中，执行主体可以根据用户的意图类别和预设的业务信息集合，生成反馈信息。这里，业务信息集合用于存储与客户端所应用的业务场景相关的各种业务信息。作为示例，假设客户端所应用的业务场景为银行场景，用户的意图类别为业务咨询，则执行主体可以从业务信息集合中获取与用户要咨询的业务的相关信息，并根据获取的相关信息生成反馈信息。例如，可以将获取的相关信息直接作为反馈信息。又例如，根据预设的话术模板，使用获取的相关信息生成反馈信息。
步骤204，基于反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频。
在本实施例中，执行主体可以基于步骤203生成的反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频。具体的，执行主体可以首先通过TTS(Text To Speech，从文本到语音)将反馈信息转化为答复音频。根据实际需要，答复音频可以是各种语言的答复音频，例如，中、英、日、韩、泰等等。通常，答复音频与用户的音频为同一种语言。作为示例，在将反馈信息转化为答复音频的过程中，执行主体可以根据用户特征信息设定所转化的答复音频的某些特性，例如，音调、语速、音色等等。这里，执行主体内可以预先存储有用户特征信息和答复音频的特性之间的对应关系，例如，针对年龄较小的用户时，可以将答复音频的语速设置的慢一些。之后，执行主体可以根据答复音频生成三维虚拟人像的视频。这里，三维虚拟人像可以是通过动画引擎开发得到的，动画引擎可以包括但不限于UE4(UnrealEngine 4，虚幻4引擎)、Maya、Unity3D等等。
步骤205，将三维虚拟人像的视频发送给客户端，以供客户端呈现给用户。
在本实现方式中，执行主体可以将步骤204生成的三维虚拟人像的视频发送给客户端，以供客户端呈现给用户。从而实现用户与三维虚拟人像之间的交互。
在本实施例的一些可选的实现方式中，上述用于生成信息的方法还可以包括图2中未示出的以下步骤：
首先，接收三维虚拟人像的定制请求。
在本实现方式中，执行主体还可以接收三维虚拟人像的定制请求。定制请求可以包括用于确定三维虚拟人像外观的信息。作为一个示例，定制请求中包括的用于确定三维虚拟人像外观的信息，可以是基于真人获取的信息。例如，可以通过真人佩戴特殊装置(例如头盔)，由特殊装置上的图像采集装置(例如，摄像头)、传感器等采集用于确定三维虚拟人像外观的信息。执行主体可以通过真人采集的信息生成真人效果的三维虚拟人像。作为另一个示例，定制请求中包括的用于确定三维虚拟人像外观的信息可以是卡通形象设计数据。执行主体通过卡通形象设计数据可以生成卡通效果的三维虚拟人像。
然后，根据定制请求，确定三维虚拟人像的外观。
在本实现方式中，执行主体可以根据定制请求中的用于确定三维虚拟人像外观的信息，确定三维虚拟人像的外观。作为示例，三维虚拟人像可以全身的，还可以是半身的，此处不做限定。通过本实现方式，执行主体可以根据定制请求生成三维虚拟人像，从而实现了三维虚拟人像的形象定制。
继续参见图3，图3是根据本实施例的用于生成信息的方法的银行应用场景的一个示意图。在图3的应用场景中，用户首先通过客户端301向服务器302发送用户的视频和音频“我想了解理财产品”。其次，服务器302对接收的视频和音频进行分析处理，确定用户的意图类别为针对理财产品的业务咨询。之后，服务器302根据用户的意图类别和业务信息集合，生成反馈信息，该反馈信息中包括多种理财产品的信息。然后，服务器302基于反馈信息通过动画引擎生成三维虚拟人像的视频。最后，服务器302将生成的三维虚拟人像的视频发送给客户端301，以供客户端301呈现给用户。
本公开的上述实施例提供的方法通过对用户的视频和音频进行综合分析处理，从而确定用户的意图类别，并基于意图类别和业务信息集合生成反馈信息，并基于反馈信息生成三维虚拟人像的视频，从而实现了向客户端反馈满足用户意图类别的三维虚拟人像的视频，提高了用户与三维虚拟人像现场交互的准确性，以及三位虚拟人像的拟人度。提升了用户体验。
进一步参考图4，其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400，包括以下步骤：
步骤401，接收客户端发送的用户的视频和音频。
在本实施例中，步骤401与图2所示实施例的步骤201类似，此处不再赘述。
步骤402，对视频和音频进行分析处理，确定用户的意图类别。
在本实施例中，步骤402与图2所示实施例的步骤202类似，此处不再赘述。
步骤403，根据用户的意图类别和预设的业务信息集合，生成文本反馈信息。
在本实施例中，执行主体可以根据用户的意图类别和预设的业务信息集合，生成反馈信息。这里，业务信息集合用于存储与客户端所应用的业务场景相关的各种业务信息。其中，上述反馈信息可以是文本反馈信息。
步骤404，根据文本反馈信息生成语音反馈信息。
在本实施例中，执行主体可以根据步骤403中生成的文本反馈信息，生成语音反馈信息。具体的，执行主体可以通过TTS(Text To Speech，从文本到语音)将文本反馈信息生成语音反馈信息。
在本实施例的一些可选的实现方式中，上述步骤404可以具体如下进行：将文本反馈信息输入预先建立的语音生成模型，生成语音反馈信息。
在本实施例中，执行主体可以将文本反馈信息输入预先建立的语音生成模型，从而得到语音反馈信息。其中，上述语音生成模型可以用于表征文本与语音的对应关系。上述语音生成模型是基于真人语音训练得到的。作为示例，上述语音生成模型可以是机器学习模型。该机器学习模型可以是通过以下方式训练得到的：首先，获取训练样本集合，其中，训练样本集合中的训练样本包括样本文本和与样本文本对应的真人语音。之后，将训练样本集合中的训练样本的样本文本作为输入，将与输入的样本文本对应的真人语音作为期望输出，训练得到机器学习模型。
步骤405，根据文本反馈信息，从预设的人像信息集合获取目标人像信息。
在本实施例中，执行主体可以根据步骤403中生成的文本反馈信息，从预设的人像信息集合获取目标人像信息，其中，目标人像信息中可以包括目标表情信息、目标口型信息和目标动作信息。其中，目标表情信息可以用于在播放步骤404中得到语音反馈信息时控制三维虚拟人像的表情。目标口型信息可以用于在播放步骤404中得到语音反馈信息时控制三维虚拟人像的口型。目标动作信息可以用于在播放步骤404中得到语音反馈信息时控制三维虚拟人像的姿态、手势等。
在本实施例的一些可选的实现方式中，上述人像信息集合可以包括表情信息集合、口型信息集合和动作信息集合。这里，表情信息集合中可以包括预先设定的多种表情的表情信息。口型信息集合中可以包括预先设定的多种口型变化的口型信息。动作信息集合中可以包括预先设定的多种姿态、手势变化的动作信息。以及上述步骤405可以具体如下进行：
首先，根据文本反馈信息，从表情信息集合中确定目标表情信息。
本实现方式中，执行主体内可以预先存储有多个文本与表情信息的对应关系。这些对应关系可以人工设定的。这样，执行主体可以将文本反馈信息与多个对应关系中的多个文本进行匹配，若多个文本中的一个文本与文本反馈信息相同或相似，则将该文本对应的表情信息，作为目标表情信息。
其次，根据文本反馈信息，从口型信息集合中确定目标口型信息。
在本实现方式中，执行主体内可以预先存储有多个文本与口型信息的对应关系。这些对应关系可以人工设定的。这样，执行主体可以根据文本反馈信息，从口型信息集合中确定目标口型信息。
然后，根据文本反馈信息，从动作信息集合中确定目标动作信息。
在本实现方式中，执行主体内可以预先存储有多个文本与动作信息的对应关系。这些对应关系可以人工设定的。这样，执行主体可以根据文本反馈信息，从动作信息集合中确定目标动作信息。
最后，将目标表情信息、目标口型信息和目标动作信息作为目标人像信息。
在本实现方式中，执行主体可以将确定的目标表情信息、目标口型信息和目标动作信息作为目标人像信息。
步骤406，根据语音反馈信息、目标表情信息、目标口型信息和目标动作信息，通过动画引擎生成三维虚拟人像的视频。
在本实施例中，执行主体可以将语音反馈信息、目标表情信息、目标口型信息和目标动作信息发送给动画引擎。动画引擎可以根据接收的语音反馈信息、目标表情信息、目标口型信息和目标动作信息渲染出三维虚拟人像的视频，并将渲染出的视频反馈给执行主体。这里，动画引擎渲染出的三维虚拟人像的视频为包括含语音反馈信息的视频。
步骤407，将三维虚拟人像的视频发送给客户端，以供客户端呈现给用户。
在本实施例中，步骤407与图2所示实施例的步骤205类似，此处不再赘述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400突出了根据文本反馈信息从预设的人像信息集合获取目标人像信息的步骤。由此，本实施例描述的方案可以根据文本反馈信息快速获取用于生成三维虚拟人像的目标人像信息，从而加快了生成三维虚拟人像的视频的效率，进而提高了客户端与服务器交互的实时性。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于生成信息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信息的装置500包括：接收单元501、分析单元502、第一生成单元503、第二生成单元504和发送单元505。其中，接收单元501被配置成接收客户端发送的用户的视频和音频；分析单元502被配置成对上述视频和音频进行分析处理，确定上述用户的意图类别；第一生成单元503被配置成根据上述用户的意图类别和预设的业务信息集合，生成反馈信息；第二生成单元504被配置成基于上述反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频；发送单元505被配置成将上述三维虚拟人像的视频发送给上述客户端，以供上述客户端呈现给上述用户。
在本实施例中，用于生成信息的装置500的接收单元501、分析单元502、第一生成单元503、第二生成单元504和发送单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述反馈信息为文本反馈信息；以及上述第二生成单元504包括：语音生成单元(图中未示出)，被配置成根据上述文本反馈信息生成语音反馈信息；获取单元(图中未示出)，被配置成根据上述文本反馈信息，从预设的人像信息集合获取目标人像信息，其中，上述目标人像信息包括目标表情信息、目标口型信息和目标动作信息；视频生成单元(图中未示出)，被配置成根据上述语音反馈信息、目标表情信息、目标口型信息和目标动作信息，通过动画引擎生成三维虚拟人像的视频。
在本实施例的一些可选的实现方式中，上述人像信息集合包括表情信息集合、口型信息集合和动作信息集合；以及上述获取单元进一步被配置成：根据上述文本反馈信息，从上述表情信息集合中确定目标表情信息；根据上述文本反馈信息，从上述口型信息集合中确定目标口型信息；根据上述文本反馈信息，从上述动作信息集合中确定目标动作信息；将上述目标表情信息、目标口型信息和目标动作信息作为目标人像信息。
在本实施例的一些可选的实现方式中，上述语音生成单元进一步被配置成：将上述文本反馈信息输入预先建立的语音生成模型，生成语音反馈信息，其中，上述语音生成模型是基于真人语音训练得到的。
在本实施例的一些可选的实现方式中，上述装置500还包括：请求接收单元(图中未示出)，被配置成接收三维虚拟人像的定制请求，其中，上述定制请求包括用于确定三维虚拟人像外观的信息；确定单元(图中未示出)，被配置成根据上述定制请求，确定三维虚拟人像的外观。
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)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装置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，还存储有电子设备600操作所需的各种程序和数据。处理装置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。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。
需要说明的是，本公开的实施例所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。在本公开的实施例中，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。而在本公开的实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：接收客户端发送的用户的视频和音频；对上述视频和音频进行分析处理，确定上述用户的意图类别；根据上述用户的意图类别和预设的业务信息集合，生成反馈信息；基于上述反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频；将上述三维虚拟人像的视频发送给上述客户端，以供上述客户端呈现给上述用户。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。
描述于本公开的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：一种处理器包括接收单元、分析单元、第一生成单元、第二生成单元和发送单元。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，接收单元还可以被描述为“接收客户端发送的用户的视频和音频的单元”。
以上描述仅为本公开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，本公开的实施例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。例如上述特征与本公开的实施例中公开的(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)

1.一种用于生成信息的方法，包括：
接收客户端发送的用户的视频和音频；
对所述视频和音频进行分析处理，确定所述用户的意图类别，包括：对所述视频中的视频帧进行识别处理，得到用户特征信息；对所述音频进行语音识别，得到所述音频对应的文本信息；对所述用户特征信息和所述音频对应的文本信息进行分词，得到至少一个分词；将所述至少一个分词输入预先建立的意图分类模型，得到所述用户的意图类别，其中，所述意图分类模型用于表征分词集合与意图类别的对应关系；
根据所述用户的意图类别和预设的业务信息集合，生成反馈信息，其中，所述意图类别是根据客户端所应用的业务场景预先设置的，所述预设的业务信息集合用于存储与客户端所应用的业务场景相关的各种业务信息；
基于所述反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频；
将所述三维虚拟人像的视频发送给所述客户端，以供所述客户端呈现给所述用户。
2.根据权利要求1所述的方法，其中，所述反馈信息为文本反馈信息；以及
所述基于所述反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频，包括：
根据所述文本反馈信息生成语音反馈信息；
根据所述文本反馈信息，从预设的人像信息集合获取目标人像信息，其中，所述目标人像信息包括目标表情信息、目标口型信息和目标动作信息；
根据所述语音反馈信息、目标表情信息、目标口型信息和目标动作信息，通过动画引擎生成三维虚拟人像的视频。
3.根据权利要求2所述的方法，其中，所述人像信息集合包括表情信息集合、口型信息集合和动作信息集合；以及
所述根据所述文本反馈信息，从预设的人像信息集合获取目标人像信息，包括：
根据所述文本反馈信息，从所述表情信息集合中确定目标表情信息；
根据所述文本反馈信息，从所述口型信息集合中确定目标口型信息；
根据所述文本反馈信息，从所述动作信息集合中确定目标动作信息；
将所述目标表情信息、目标口型信息和目标动作信息作为目标人像信息。
4.根据权利要求2所述的方法，其中，所述根据所述文本反馈信息生成语音反馈信息，包括：
将所述文本反馈信息输入预先建立的语音生成模型，生成语音反馈信息，其中，所述语音生成模型用于表征文本与语音的对应关系，所述语音生成模型是基于真人语音训练得到的。
5.根据权利要求1所述的方法，其中，所述方法还包括：
接收三维虚拟人像的定制请求，其中，所述定制请求包括用于确定三维虚拟人像外观的信息；
根据所述定制请求，确定三维虚拟人像的外观。
6.一种用于生成信息的装置，包括：
接收单元，被配置成接收客户端发送的用户的视频和音频；
分析单元，被配置成对所述视频和音频进行分析处理，确定所述用户的意图类别，包括：对所述视频中的视频帧进行识别处理，得到用户特征信息；对所述音频进行语音识别，得到所述音频对应的文本信息；对所述用户特征信息和所述音频对应的文本信息进行分词，得到至少一个分词；将所述至少一个分词输入预先建立的意图分类模型，得到所述用户的意图类别，其中，所述意图分类模型用于表征分词集合与意图类别的对应关系；
第一生成单元，被配置成根据所述用户的意图类别和预设的业务信息集合，生成反馈信息，其中，所述意图类别是根据客户端所应用的业务场景预先设置的，所述预设的业务信息集合用于存储与客户端所应用的业务场景相关的各种业务信息；
第二生成单元，被配置成基于所述反馈信息，通过动画引擎生成预先建立的三维虚拟人像的视频；
发送单元，被配置成将所述三维虚拟人像的视频发送给所述客户端，以供所述客户端呈现给所述用户。
7.根据权利要求6所述的装置，其中，所述反馈信息为文本反馈信息；以及
所述第二生成单元包括：
语音生成单元，被配置成根据所述文本反馈信息生成语音反馈信息；
获取单元，被配置成根据所述文本反馈信息，从预设的人像信息集合获取目标人像信息，其中，所述目标人像信息包括目标表情信息、目标口型信息和目标动作信息；
视频生成单元，被配置成根据所述语音反馈信息、目标表情信息、目标口型信息和目标动作信息，通过动画引擎生成三维虚拟人像的视频。
8.根据权利要求7所述的装置，其中，所述人像信息集合包括表情信息集合、口型信息集合和动作信息集合；以及
所述获取单元进一步被配置成：
根据所述文本反馈信息，从所述表情信息集合中确定目标表情信息；
根据所述文本反馈信息，从所述口型信息集合中确定目标口型信息；
根据所述文本反馈信息，从所述动作信息集合中确定目标动作信息；
将所述目标表情信息、目标口型信息和目标动作信息作为目标人像信息。
9.根据权利要求7所述的装置，其中，所述语音生成单元进一步被配置成：
将所述文本反馈信息输入预先建立的语音生成模型，生成语音反馈信息，其中，所述语音生成模型用于表征文本与语音的对应关系，所述语音生成模型是基于真人语音训练得到的。
10.根据权利要求6所述的装置，其中，所述装置还包括：
请求接收单元，被配置成接收三维虚拟人像的定制请求，其中，所述定制请求包括用于确定三维虚拟人像外观的信息；
确定单元，被配置成根据所述定制请求，确定三维虚拟人像的外观。
11.一种服务器，包括：
一个或多个处理器；
存储装置，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，使得所述一个或多个处理器实现如权利要求1-5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，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201910573150.4A 2019-06-28 2019-06-28 用于生成信息的方法和装置 Active CN110298906B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201910573150.4A CN110298906B (zh) 2019-06-28 2019-06-28 用于生成信息的方法和装置
US16/708,902 US11151765B2 (en) 2019-06-28 2019-12-10 Method and apparatus for generating information
KR1020190166709A KR20210001857A (ko) 2019-06-28 2019-12-13 정보 생성 방법 및 장치
JP2019227932A JP7104683B2 (ja) 2019-06-28 2019-12-18 情報を生成する方法および装置
KR1020210176319A KR102471202B1 (ko) 2019-06-28 2021-12-10 정보 생성 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910573150.4A CN110298906B (zh) 2019-06-28 2019-06-28 用于生成信息的方法和装置

Publications (2)

Publication Number Publication Date
CN110298906A CN110298906A (zh) 2019-10-01
CN110298906B true CN110298906B (zh) 2023-08-11

Family

ID=68029203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910573150.4A Active CN110298906B (zh) 2019-06-28 2019-06-28 用于生成信息的方法和装置

Country Status (4)

Country Link
US (1) US11151765B2 (zh)
JP (1) JP7104683B2 (zh)
KR (2) KR20210001857A (zh)
CN (1) CN110298906B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110767220B (zh) * 2019-10-16 2024-05-28 腾讯科技（深圳）有限公司 一种智能语音助手的交互方法、装置、设备及存储介质
CN111063339A (zh) * 2019-11-11 2020-04-24 珠海格力电器股份有限公司 智能交互方法、装置、设备及计算机可读介质
CN112929253B (zh) * 2019-12-05 2023-08-08 北京沃东天骏信息技术有限公司 一种虚拟形象交互方法和装置
CN111541908A (zh) * 2020-02-27 2020-08-14 北京市商汤科技开发有限公司 交互方法、装置、设备以及存储介质
CN111400441A (zh) * 2020-02-28 2020-07-10 东莞市易联交互信息科技有限责任公司 一种应用于虚拟影院的虚拟交互方法及系统
CN111340920B (zh) * 2020-03-02 2024-04-09 长沙千博信息技术有限公司 一种语义驱动的二维动画自动生成方法
CN111401921B (zh) * 2020-03-05 2023-04-18 成都威爱新经济技术研究院有限公司 一种基于虚拟人的远程客服方法
CN111523981A (zh) * 2020-04-29 2020-08-11 深圳追一科技有限公司 虚拟试用方法、装置、电子设备及存储介质
CN111627440A (zh) * 2020-05-25 2020-09-04 红船科技(广州)有限公司 一种基于三维虚拟人物和语音识别实现交互的学习系统
CN112543342B (zh) 2020-11-26 2023-03-14 腾讯科技（深圳）有限公司 虚拟视频直播处理方法及装置、存储介质、电子设备
CN113822967A (zh) * 2021-02-09 2021-12-21 北京沃东天骏信息技术有限公司 人机交互方法、装置、系统、电子设备以及计算机介质
CN112925898B (zh) * 2021-04-13 2023-07-18 平安科技（深圳）有限公司 基于人工智能的问答方法、装置、服务器及存储介质
CN115243095A (zh) * 2021-04-30 2022-10-25 百度在线网络技术（北京）有限公司 推送待播报数据、播报数据的方法和装置
CN114221940B (zh) * 2021-12-13 2023-12-29 北京百度网讯科技有限公司 音频数据处理方法、系统、装置、设备以及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102196300A (zh) * 2010-03-18 2011-09-21 国际商业机器公司 虚拟世界场景的图像的提供方法和设备及处理方法和设备
CN109599113A (zh) * 2019-01-22 2019-04-09 北京百度网讯科技有限公司 用于处理信息的方法和装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003248841A (ja) 2001-12-20 2003-09-05 Matsushita Electric Ind Co Ltd バーチャルテレビ通話装置
GB2480108B (en) 2010-05-07 2012-08-29 Toshiba Res Europ Ltd A speech processing method an apparatus
JP6392497B2 (ja) 2012-05-22 2018-09-19 コモンウェルス サイエンティフィック アンド インダストリアル リサーチ オーガニゼーション ビデオを生成するためのシステムおよび方法
US10824310B2 (en) * 2012-12-20 2020-11-03 Sri International Augmented reality virtual personal assistant for external representation
US10755704B2 (en) 2015-11-17 2020-08-25 Sony Interactive Entertainment Inc. Information processing apparatus
KR102616172B1 (ko) * 2016-08-12 2023-12-19 주식회사 케이티 캐릭터 제공 시스템 및 이를 이용한 정보 수집 방법
US20180350155A1 (en) * 2017-05-31 2018-12-06 L'oreal System for manipulating a 3d simulation of a person by adjusting physical characteristics
WO2019060889A1 (en) * 2017-09-25 2019-03-28 Ventana 3D, Llc ARTIFICIAL INTELLIGENCE (IA) CHARACTER SYSTEM CAPABLE OF NATURAL VERBAL AND VISUAL INTERACTIONS WITH A HUMAN BEING
KR102078627B1 (ko) * 2017-11-14 2020-02-19 네이버 주식회사 사용자-입력 컨텐츠와 연관된 실시간 피드백 정보 제공 방법 및 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102196300A (zh) * 2010-03-18 2011-09-21 国际商业机器公司 虚拟世界场景的图像的提供方法和设备及处理方法和设备
CN109599113A (zh) * 2019-01-22 2019-04-09 北京百度网讯科技有限公司 用于处理信息的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张沙沙.语音手语合成系统研究与开发.《中国知网》.2013,(第11期),1-77. *

Also Published As

Publication number Publication date
JP7104683B2 (ja) 2022-07-21
CN110298906A (zh) 2019-10-01
US20200410732A1 (en) 2020-12-31
JP2021010156A (ja) 2021-01-28
KR20210001857A (ko) 2021-01-06
KR102471202B1 (ko) 2022-11-25
KR20220002820A (ko) 2022-01-07
US11151765B2 (en) 2021-10-19

Similar Documents

Publication Publication Date Title
CN110298906B (zh) 用于生成信息的方法和装置
US11158102B2 (en) Method and apparatus for processing information
US20210201550A1 (en) Method, apparatus, device and storage medium for animation interaction
CN110827378B (zh) 虚拟形象的生成方法、装置、终端及存储介质
CN111476871B (zh) 用于生成视频的方法和装置
CN107153496B (zh) 用于输入表情图标的方法和装置
KR102346046B1 (ko) 3차원 가상 인물 입모양 변화 제어 방법 및 장치
CN109981787B (zh) 用于展示信息的方法和装置
US11158210B2 (en) Cognitive real-time feedback speaking coach on a mobile device
WO2022170848A1 (zh) 人机交互方法、装置、系统、电子设备以及计算机介质
CN112364144B (zh) 交互方法、装置、设备和计算机可读介质
CN108962226B (zh) 用于检测语音的端点的方法和装置
CN110288683B (zh) 用于生成信息的方法和装置
CN111260756A (zh) 用于发送信息的方法和装置
CN113850898A (zh) 场景渲染方法及装置、存储介质及电子设备
CN113157241A (zh) 交互设备、交互装置及交互系统
CN111259697A (zh) 用于发送信息的方法和装置
CN115393476A (zh) 有声表情的生成方法、装置和设备
CN118212935A (zh) 信息处理方法、装置和电子设备
CN117632109A (zh) 虚拟数字助手构建方法、装置、电子设备以及存储介质
CN111046146A (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
GR01 Patent grant
GR01 Patent grant