CN110379406A - 语音评论转换方法、系统、介质和电子设备 - Google Patents

Abstract

本发明提供一种语音评论转换方法、系统、介质及电子设备。所述方法包括：获取用户输入的语音评论；将所述语音评论内容转换为文字内容，并对所述文字内容进行识别；在预置的词组数据库中获取与所述文字内容相应的多个目标声音语句元素；将所述多个目标声音语句元素进行拟合，生成目标语音。所述方法通过构建语音特点的转化，提供具有更加丰富的人物角色互动方式，从而能够增加评论者的互动趣味性；进一步能够增大用户粘度。

Description

语音评论转换方法、系统、介质和电子设备

技术领域

本发明涉及互联网技术领域，具体而言，涉及一种语音评论转换方法、系统、介质和电子设备。

背景技术

随着通信技术的发展，人们的社交行为和需求不断发生着变化。目前，“弹幕文化”兴起，用户乐于在观看视频，漫画等多媒体信息的同时，实时发表评论以及阅读其他用户的评论，即通过弹幕的形式进行社交。

为了满足用户的需求，各个视频网站纷纷提供弹幕功能，在播放视频的同时显示用户的评论留言，增加观看视频的用户之间的互动感。然而，这种互动形式单一，用户评论内容枯燥，缺乏用户粘性。

因此，在长期的研发当中，发明人对社交媒体中的语音评论问题进行了大量的研究，提出了一种社交客户端语音评论转换方法，以解决上述技术问题之一。

发明内容

本发明的目的在于提供一种语音评论转换方法、系统、介质和电子设备，能够解决上述提到的至少一个技术问题。具体方案如下：

根据本发明的具体实施方式，第一方面，本发明提供一种语音评论转换方法，包括：获取用户输入的语音评论；将所述语音评论内容转换为文字内容，并对所述文字内容进行识别；在预置的词组数据库中获取与所述文字内容相应的多个目标声音语句元素；将所述多个目标声音语句元素进行拟合，生成目标语音。

根据本发明的具体实施方式，第二方面，本发明提供一种语音评论转换系统，包括：获取模块，用于获取用户输入的语音评论；转换模块，用于将所述语音评论内容转换为文字内容；识别模块，用于对所述文字内容进行识别；匹配模块，用于在预置的词组数据库中获取与所述文字内容对应的多个目标声音语句元素；拟合模块，用于将所述多个目标声音语句元素进行拟合，生成目标语音。

根据本发明的具体实施方式，第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上任一项所述的语音评论转换方法。

根据本发明的具体实施方式，第四方面，本发明提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，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实现如上任一项所述的语音评论转换方法。

与现有技术相比，本发明实施例的上述方案通过构建语音特点的转化，提供具有更加丰富的人物角色互动方式，从而能够增加评论者的互动趣味性；进一步能够增大用户粘度。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示出了根据本发明实施例的一种语音评论转换方法的实施流程图；

图2示出了根据本发明实施例的所述在预置的词组数据库中获取与所述文字信息相应的多个目标声音语句元素的方法流程图；

图3示出了根据本发明另一实施例的所述在预置的词组数据库中获取与所述文字信息相应的多个目标声音语句元素的方法流程图；

图4示出了根据本发明实施例的一种语音评论转换系统的结构示意图；

图5示出了根据本发明实施例的电子设备连接结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述……，但这些……不应限于这些术语。这些术语仅用来将……区分开。例如，在不脱离本发明实施例范围的情况下，第一……也可以被称为第二……，类似地，第二……也可以被称为第一……。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

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商品或者装置不仅包括那些要素，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商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。

下面结合附图详细说明本发明的可选实施例。

实施例1

参阅图1所示，为本发明实施例提供的一种语音评论转换方法的实施流程图，该方法应用于社交客户端，具体是对用户发表的语音评论进行转换。所述语音评论转换方法包括如下步骤：

S100，获取用户输入的语音评论；

在该步骤中，所述语音评论通过客户端的一语音评论组件进行录制，其中，当所述客户端的浏览页面停留时长达到预设阈值时，在所述浏览页面内发表内容区域周边显示所述语音评论组件。本实施例中，用户在客户端浏览发表内容的过程中，当用户浏览的页面停留时长达到预设阈值时，显示所述语音评论组件给用户，且所述语音评论组件显示于所述发表内容区域的下方，使用户界面简洁清晰。用户通过显示的语音评论组件进行录音，当用户松手或达到所述语音评论组件的最大录制时长时生成语音评论，并将所述被评论图片及所述语音评论存储至服务端或云端。

具体的，所述语音评论可为历史语音评论信息或实时语音评论信息。本实施例中，客户端访问服务端，获取采集到的实时语音评论。

S110，将所述语音评论内容转换为文字内容，并对所述文字内容进行识别。

在该步骤中，通过语音识别技术将所述语音评论内容转换为文字内容，并对所述文字内容进行识别。本实施例中，所述对所述文字内容进行识别，包括：

对所述文字内容进行词组切割，生成多个词组。比如，对于文本内容“那个女孩好漂亮”，根据常用词组数据库对所述文本内容进行切割为，生成“那个、女孩、好、漂亮”四个词组。

S120，在预置的词组数据库中获取与所述文字内容相应的多个目标声音语句元素；

在该步骤中，所述在预置的词组数据库中获取与所述文字信息相应的多个目标声音语句元素，包括：

在预置的词组数据库中获取与所述文字信息对应的同一语种的多个声音语句；或，在预置的词组数据库中获取与所述文字信息对应的同一特定人物的多个声音语句。

可以理解为，一种实施方式是将所述文字内容转换成不同的语种，如印度语、泰语、缅甸语等小语种。具体的，在客户端预先保存各种语种词组数据库，匹配过程中直接调用所述词组数据库进行匹配。

另一种实施方式是将所述文字内容转换成特定人物的音色，如林志玲、大耳朵图图、郭德纲等特征声音。具体的，所述词组数据库的生成过程包括：获取所述特定人物说话的音频；从音频中提取出常用词组对应的语音特征；构建个性化的词组数据库。优选的，所述词组数据库包括多个特定人物对应的词组特征数据库。所述词组数据库可以预先保存在服务端，也可以是从服务端获取并保存在客户端本地。

当然，所述语音评论的转换目标也不限于上述两种实施例，比如，可将所述语音评论转换成特定人物的音调。

另，所述在预置的词组数据库中获取与所述文字信息相应的多个目标声音语句元素的方式不限，只要能够获取到目标声音语句元素即可。本实施例中，可对所述文字内容中的所述词组分别进行匹配，获取多个词组对应的声音语句元素。

请参阅图2，所述在预置的词组数据库中获取与所述文字信息相应的多个目标声音语句元素的方式，包括：

S121，获取所述语音评论的用户画像；

S122，在预置的词组数据库中匹配与所述用户画像对应的目标词组特征数据库；其中，所述词组数据库包括多个词组特征数据库，每个词组特征数据库包括同一个特定人物的声音语句。具体的，当所述用户画像包括女孩、18岁时，可匹配林志玲对应的词组特征数据库。

S123，在所述目标词组特征数据库中获取与所述文字内容对应的多个目标声音语句元素。其中，所述声音语句元素可以为单个汉字、也可为词语或成语。

另一实施例中，请参阅图3，所述在预置的词组数据库中获取与所述文字信息对应的多个声音语句元素，包括：

S124，提供获取目标词组特征数据库的用户界面，该用户界面包括多个选择控件，每个选择控件对应一个词组特征数据库；

S125，响应于对所述选择控件的操作，选择所述目标词组特征数据库；

S126，在所述目标词组特征数据库中获取与所述文字内容对应的多个目标声音语句元素。

S130，将所述多个目标声音语句元素进行拟合，生成目标语音。

本实施例中，步骤S120获取的是每个词组对应的目标声音语句元素，此时需要将多个目标声音语句进行拟合，获得完整的目标语音。具体的，根据所述文本内容切割出的词组的排列顺序对所述多个目标声音语句进行拟合。

所述方法进一步包括：在播放所述语音评论时，输出所述目标语音。具体的，当播放所述语音评论时，用户听到的不是自身的声音，而是特定人物的声音。

本发明实施例提供的语音评论转换方法通过构建语音特点的转化，提供具有更加丰富的人物角色互动方式，从而能够增加评论者的互动趣味性；进一步能够增大用户粘度。

实施例2

请参阅图4，本发明实施例提供一种语音评论转换系统400，该系统400包括：获取模块410，转换模块420，识别模块430，匹配模块440，及拟合模块450。

所述获取模块410，用于获取用户输入的语音评论。

具体的，所述语音评论通过客户端的一语音评论组件进行录制，其中，当所述客户端的浏览页面停留时长达到预设阈值时，在所述浏览页面内发表内容区域周边显示所述语音评论组件。本实施例中，用户在客户端浏览发表内容的过程中，当用户浏览的页面停留时长达到预设阈值时，显示所述语音评论组件给用户，且所述语音评论组件显示于所述发表内容区域的下方，使用户界面简洁清晰。用户通过显示的语音评论组件进行录音，当用户松手或达到所述语音评论组件的最大录制时长时生成语音评论，并将所述被评论图片及所述语音评论存储至服务端或云端。

所述语音评论可为历史语音评论信息或实时语音评论信息。本实施例中，所述获取模块410访问服务端，获取采集到的实时语音评论。

所述转换模块420，用于将所述语音评论内容转换为文字内容。

其中，所述转换模块420通过语音识别技术将所述语音评论内容转换为文字内容。具体的，所述文字内容可以为同等转换，即所述语音评论内容与所述文字内容一一对应。所述文字内容也可为不同等转换，即在转换过程中仅捕捉所述语音评论内容的关键字，主要针对内容冗长、不易理解的语音评论。

所述识别模块430，用于对所述文字内容进行识别。本实施例中，所述识别模块430可以对所述文字内容进行词组切割，生成多个词组。比如，对于文本内容“那个女孩好漂亮”，根据常用词组数据库对所述文本内容进行切割为，生成“那个、女孩、好、漂亮”四个词组。

所述匹配模块440，用于在预置的词组数据库中获取与所述文字内容对应的多个目标声音语句元素。

本实施例中，所述匹配模块440可对所述文字内容中的所述词组分别进行匹配，获取多个词组对应的声音语句元素。其中，所述目标声音语句元素的类型不限。比如，所述匹配模块440可以在预置的词组数据库中获取与所述文字信息对应的同一语种的多个声音语句；或者，所述匹配模块440可以在预置的词组数据库中获取与所述文字信息对应的同一特定人物的多个声音语句。

可以理解为，一种实施方式是所述匹配模块440将所述文字内容转换成不同的语种，如印度语、泰语、缅甸语等小语种。具体的，在客户端预先保存词组数据库，该词组数据库包括各种语种的词组特征数据库，匹配过程中直接调用所述词组数据库进行匹配。

另一种实施方式是所述匹配模块440将所述文字内容转换成特定人物的音色，如林志玲、大耳朵图图、郭德纲等特征声音。具体的，所述词组数据库的生成过程包括：获取所述特定人物说话的音频；从音频中提取出常用词组对应的语音特征；构建个性化的词组数据库。优选的，所述词组数据库包括多个特定人物对应的词组特征数据库。所述词组数据库可以预先保存在服务端，也可以是从服务端获取并保存在客户端本地。

当然，所述语音评论的转换目标也不限于上述两种实施例，比如，也可将所述语音评论转换成特定人物的音调。

另，所述匹配模块440在预置的词组数据库中获取与所述文字信息相应的多个目标声音语句元素的方式不限，只要能够获取到目标声音语句元素即可。本实施例中，所述匹配模块440可以获取所述语音评论的用户画像；所述匹配模块440可以在预置的词组数据库中匹配与所述用户画像对应的目标词组特征数据库；其中，所述词组数据库包括多个词组特征数据库，每个词组特征数据库包括同一个特定人物的声音语句。具体的，当所述用户画像包括女孩、18岁时，可匹配林志玲对应的词组特征数据库。所述匹配模块440还可以在所述目标词组特征数据库中获取与所述文字内容对应的多个目标声音语句元素。其中，所述声音语句元素可以为单个汉字、也可为词语或成语。

另一实施例中，所述匹配模块440可以提供获取目标词组特征数据库的用户界面，该用户界面包括多个选择控件，每个选择控件对应一个词组特征数据库；所述匹配模块440可以响应于对所述选择控件的操作，选择所述目标词组特征数据库；所述匹配模块440还可以在所述目标词组特征数据库中获取与所述文字内容对应的多个目标声音语句元素。

所述拟合模块450，用于将所述多个目标声音语句元素进行拟合，生成目标语音。

本实施例中，所述匹配模块440获取的是每个词组对应的目标声音语句元素，此时需要将多个目标声音语句进行拟合，获得完整的目标语音。具体的，所述拟合模块450根据所述文本内容切割出的词组的排列顺序对所述多个目标声音语句进行拟合。

所述系统400进一步包括一输出模块460，用于在播放所述语音评论时，输出所述目标语音。具体的，当播放所述语音评论时，用户听到的不是自身的声音，而是特定人物的声音。

本发明实施例提供的语音评论转换系统通过构建语音特点的转化，提供具有更加丰富的人物角色互动方式，从而能够增加评论者的互动趣味性；进一步能够增大用户粘度。

实施例3

本公开实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的语音评论转换方法。

实施例4

本实施例提供一种电子设备，该设备用于语音评论转换，所述电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取用户输入的语音评论；

将所述语音评论内容转换为文字内容，并对所述文字内容进行识别；

在预置的词组数据库中获取与所述文字内容相应的多个目标声音语句元素；

将所述多个目标声音语句元素进行拟合，生成目标语音。

实施例5

下面参考图5，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：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506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备，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。

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509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开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。在本公开中，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。

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操作的计算机程序代码，上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。其中，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，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

Claims (11)

1.一种语音评论转换方法，其特征在于，包括：

获取用户输入的语音评论；

将所述语音评论内容转换为文字内容，并对所述文字内容进行识别；

在预置的词组数据库中获取与所述文字内容相应的多个目标声音语句元素；

将所述多个目标声音语句元素进行拟合，生成目标语音。

2.根据权利要求1所述的方法，其特征在于，所述语音评论通过客户端的语音评论组件进行录制，其中，当所述客户端的浏览页面停留时长达到预设阈值时，在所述浏览页面内发表内容区域周边显示所述语音评论组件。

3.根据权利要求1所述的方法，其特征在于，所述在预置的词组数据库中获取与所述文字内容相应的多个目标声音语句元素，包括：

在预置的词组数据库中获取与所述文字内容对应的同一语种的多个声音语句。

4.根据权利要求1所述的方法，其特征在于，所述在预置的词组数据库中获取与所述文字内容对应的多个目标声音语句元素，包括：

在预置的词组数据库中获取与所述文字内容对应的同一特定人物的多个声音语句。

5.根据权利要求1所述的方法，其特征在于，所述在预置的词组数据库中获取与所述文字内容相应的多个目标声音语句元素，包括：

获取所述语音评论的用户画像；

在预置的词组数据库中匹配与所述用户画像对应的目标词组特征数据库；

在所述目标词组特征数据库中获取与所述文字内容对应的多个目标声音语句元素。

6.根据权利要求1所述的方法，其特征在于，所述在预置的词组数据库中获取与所述文字内容对应的多个声音语句元素，包括：

提供获取目标词组特征数据库的用户界面，该用户界面包括选择控件，所述选择控件用于选择目标词组特征数据库；

响应于对所述选择控件的操作，选择在所述目标词组特征数据库中获取与所述文字内容对应的多个目标声音语句元素。

7.根据权利要求1所述的方法，其特征在于，所述对所述文字内容进行识别，包括：

对所述文字内容进行词组切割，生成多个词组。

8.根据权利要求7所述的方法，其特征在于，所述在预置的词组数据库中获取与所述文字内容对应的多个目标声音语句元素，包括：

在客户端本地保存的词组数据库中匹配与所述词组相同的目标声音语句元素，获取多个目标声音语句元素。

9.一种语音评论转换系统，其特征在于，包括：

获取模块，用于获取用户输入的语音评论；

转换模块，用于将所述语音评论内容转换为文字内容；

识别模块，用于对所述文字内容进行识别；

匹配模块，用于在预置的词组数据库中获取与所述文字内容对应的多个目标声音语句元素；

拟合模块，用于将所述多个目标声音语句元素进行拟合，生成目标语音。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至8中任一项所述的方法。

11.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，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实现如权利要求1至8中任一项所述的方法。