CN112017698B - 语音机器人采用的人工录音的优化方法、装置及电子设备 - Google Patents

语音机器人采用的人工录音的优化方法、装置及电子设备 Download PDF

Info

Publication number
CN112017698B
CN112017698B CN202011193582.1A CN202011193582A CN112017698B CN 112017698 B CN112017698 B CN 112017698B CN 202011193582 A CN202011193582 A CN 202011193582A CN 112017698 B CN112017698 B CN 112017698B
Authority
CN
China
Prior art keywords
recording
artificial
audio data
evaluated
data parameters
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
CN202011193582.1A
Other languages
English (en)
Other versions
CN112017698A (zh
Inventor
李瑶
邹佳华
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 Qilu Information Technology Co Ltd
Original Assignee
Beijing Qilu Information 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 Qilu Information Technology Co Ltd filed Critical Beijing Qilu Information Technology Co Ltd
Priority to CN202011193582.1A priority Critical patent/CN112017698B/zh
Publication of CN112017698A publication Critical patent/CN112017698A/zh
Application granted granted Critical
Publication of CN112017698B publication Critical patent/CN112017698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10527—Audio or video recording; Data buffering arrangements
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/003—Changing voice quality, e.g. pitch or formants
    • G10L21/007—Changing voice quality, e.g. pitch or formants characterised by the process used
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/003—Changing voice quality, e.g. pitch or formants
    • G10L21/007—Changing voice quality, e.g. pitch or formants characterised by the process used
    • G10L21/01—Correction of time axis
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
    • G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10527—Audio or video recording; Data buffering arrangements
    • G11B2020/10537—Audio or video recording
    • G11B2020/10546—Audio or video recording specifically adapted for audio data

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Child & Adolescent Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了一种语音机器人采用的人工录音的优化方法、装置及电子设备，所述方法包括：提取历史通话数据集中的人工录音的音频数据参数，建立训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数；将待评测人工录音的音频数据参数与优选音频数据参数进行比对，生成人工录音的优化策略。本发明根据人工录音的音频数据参数建立训练数据集训练人工录音效果模型，从而获得优选音频数据参数；通过对比待评测的音频数据参数与该优选音频数据参数，自动生成人工录音量化的优化策略。运营人员根据量化的优化策略对待测评的人工录音进行调整，使人工录音的情绪表达、语速等更符合应用场景的需求，从而提高语音机器人的通话效果。

Description

语音机器人采用的人工录音的优化方法、装置及电子设备
技术领域
本发明涉及语音智能技术领域，具体而言，涉及一种语音机器人采用的人工录音的优化方法、装置、电子设备及计算机可读介质。
背景技术
随着人工智能技术的发展，语音机器人的应用也越来越广泛。语音机器人基于语音识别、语音合成、自然语言理解等技术，能够为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人机交互体验。目前，语音机器人已广泛应用于电话销售、智能问答、智能质检、实时演讲字幕、访谈录音等场景。
现有语音机器人通常会采用人工录音作为话术模板与用户进行对话。其中，人工录音是由专业的录音师根据话术语料预先录制好的音频数据。在实际应用时，还需要针对不同的应用场景对人工录音进行优化调整，使人工录音的效果更真实、自然。
人工录音的情绪表达、音量、语速等会直接影响用户与语音机器人的通话效果。比如，对于开场部分的人工录音，如果情绪表达不够热情，用户可能也会比较冷漠、甚至会直接挂机。而目前人工录音的情绪表达、音量、语速等这些参数均依靠录音师的经验来控制，无法在后期对其进行量化的监控和调整，影响用户与语音机器人的通话效果。
发明内容
本发明旨在解决语音机器人采用的人工录音无法量化调整、影响通话效果的技术问题。
为了解决上述技术问题，本发明第一方面提出一种语音机器人采用的人工录音的优化方法，所述方法包括：
获取语音机器人的历史通话数据集，该历史通话数据集包括人工录音数据和通话效果数据；
提取所述历史通话数据集中的人工录音的音频数据参数，并量化所述通话效果数据，建立用于评测人工录音效果模型的训练数据集；
使用所述训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数；
接收待评测的人工录音，提取所述待评测的人工录音的音频数据参数；
将待评测的音频数据参数与所述优选音频数据参数进行比对，生成所述人工录音的优化策略。
根据本发明一种优选的实施方式，所述使用所述训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数包括：
根据人工录音的类型将所述训练数据集分为多个子训练数据集；
使用所述子训练数据集分别训练人工录音效果模型，计算不同类型的人工录音的优选音频数据参数；
其中，所述人工录音的类型包括：开场白录音、促动录音和挽回录音。
根据本发明一种优选的实施方式，所述将待评测的音频数据参数与所述优选音频数据参数进行比对，生成所述人工录音的优化策略包括：
对所述待评测的人工录音进行语义解析，确定所述待评测人工录音的类型；
将待评测的音频数据参数与所述待评测人工录音类型对应的优选音频数据参数进行比对，生成所述人工录音的优化策略。
根据本发明一种优选的实施方式，所述提取所述待评测的人工录音的音频数据参数之后，所述方法还包括：
显示所述待评测的人工录音的音频数据参数和所述音频数据参数的编辑项；
根据用户对所述编辑项的编辑操作修改所述待评测的人工录音；
提取并显示修改后所述待评测的人工录音的音频数据参数。
根据本发明一种优选的实施方式，所述编辑项包括：所述音频数据的波形和音轨，所述编辑操作包括：裁剪、插入、删除。
根据本发明一种优选的实施方式，所述方法还包括：
存储人工录音的样本音频单元；
获取当前待修改的录音信息对应的待修改样本音频单元；
根据所述待修改样本音频单元更新人工录音。
根据本发明一种优选的实施方式，所述音频数据参数包括情绪指标、语速和音量中的至少一种。
为了解决上述技术问题，本发明第二方面提供一种语音机器人采用的人工录音的优化装置，所述装置包括：
获取模块，用于获取语音机器人的历史通话数据集，该历史通话数据集包括人工录音数据和通话效果数据；
创建模块，用于提取所述历史通话数据集中的人工录音的音频数据参数，并量化所述通话效果数据，建立用于评测人工录音效果模型的训练数据集；
模型计算模块，用于使用所述训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数；
提取模块，用于接收待评测的人工录音，提取所述待评测的人工录音的音频数据参数；
生成模块，用于将待评测的音频数据参数与所述优选音频数据参数进行比对，生成所述人工录音的优化策略。
根据本发明一种优选的实施方式，所述模型计算模块包括：
分割模块，用于根据人工录音的类型将所述训练数据集分为多个子训练数据集；
子训练计算模块，用于使用所述子训练数据集分别训练人工录音效果模型，计算不同类型的人工录音的优选音频数据参数；
其中，所述人工录音的类型包括：开场白录音、促动录音和挽回录音。
根据本发明一种优选的实施方式，所述生成模块包括：
确定模块，用于对所述待评测的人工录音进行语义解析，确定所述待评测人工录音的类型；
比对生成模块，用于将待评测的音频数据参数与所述待评测人工录音类型对应的优选音频数据参数进行比对，生成所述人工录音的优化策略。
根据本发明一种优选的实施方式，所述装置还包括：
第一显示模块，用于显示所述待评测的人工录音的音频数据参数和所述音频数据参数的编辑项；
修改模块，用于根据用户对所述编辑项的编辑操作修改所述待评测的人工录音；
第二显示模块，用于提取并显示修改后所述待评测的人工录音的音频数据参数。
根据本发明一种优选的实施方式，所述编辑项包括：所述音频数据的波形和音轨，所述编辑操作包括：裁剪、插入、删除。
根据本发明一种优选的实施方式，所述装置还包括：
存储模块，用于存储人工录音的样本音频单元；
子获取模块，用于获取当前待修改的录音信息对应的待修改样本音频单元；
更新模块，用于根据所述待修改样本音频单元更新人工录音。
根据本发明一种优选的实施方式，所述音频数据参数包括情绪指标、语速和音量中的至少一种。
为解决上述技术问题，本发明第三方面提供一种电子设备，包括：
处理器；以及
存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行上述的方法。
为了解决上述技术问题，本发明第四方面提出一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现上述方法。
本发明根据语音机器人历史通话数据集中的人工录音的音频数据参数和量化的通话效果数据建立用于评测人工录音效果模型的训练数据集；使用训练数据集训练人工录音效果模型，从而获得人工录音的优选音频数据参数；通过提取待评测的人工录音的音频数据参数；并将待评测的音频数据参数与该优选音频数据参数进行比对，自动生成人工录音量化的优化策略。运营人员根据量化的优化策略对所述待评测的人工录音进行调整，使人工录音的情绪表达、语速等更符合应用场景的需求，从而提高语音机器人的通话效果。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明的示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是本发明一种语音机器人采用的人工录音的优化方法的流程示意图；
图2是本发明显示待评测的人工录音的音频数据参数和对音频数据参数的编辑项的示意图；
图3是本发明一种语音机器人采用的人工录音的优化装置的结构框架示意图；
图4是根据本发明的一种电子设备的示例性实施例的结构框图；
图5是本发明一个计算机可读介质实施例的示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例，虽然各示例性实施例能够以多种具体的方式实施，但不应理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例是为了使本发明的内容更加完整，更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
请参阅图1，图1是本发明提供的一种语音机器人采用的人工录音的优化方法的流程图，如图1所示，所述方法包括：
S1、获取语音机器人的历史通话数据集，
所述历史通话数据集包括人工录音数据和通话效果数据；所述通话效果数据用于反映用户对人工录音效果的满意程度。
示例性的，可以将用户的评价反馈和/或者用户的情绪反馈作为通话效果数据。比如，语音机器人与用户通过一段人工录音进行通话结束后，可以进一步请用户根据自己的满意程度对这段语音的效果进行打分，将用户的打分作为这段人工录音的通话效果数据。或者，语音机器人与用户通过一段人工录音进行通话结束后，可以采集通话过程中用户语音的语义、语速、语调等能够反映说话人情绪的语音参数，通过对这些语音参数的分析来确定用户的情绪反馈，从而获得用户对这段人工录音的通话效果数据。在另一种方式中，也可以采用预先训练好的语音情绪模型，将通话过程中用户语音输入语音情绪模型中确定用户的情绪反馈，从而获得用户对这段人工录音的通话效果数据。
S2、提取所述历史通话数据集中的人工录音的音频数据参数，并量化所述通话效果数据，建立用于评测人工录音效果模型的训练数据集；
本发明考虑到语音机器人所采用的人工录音的情绪表达、音量、语速等会直接影响用户与语音机器人的通话效果，因此，将人工录音的情绪指标、语速、音量中的至少一种所为音频数据参数来调整和优化人工录音。
其中，人工录音的情绪指标可以通过基于逻辑统计规则或基于机器学习的情绪指标模型来提取。所述情绪指标可以为数值指标或类型指标。例如，当情绪指标为数值指标时，其可以采用百分制来表征情绪，例如可以将不满情绪赋值为75分，将极度不满情绪赋值为100分；当情绪指标是类别指标时，其可以将情绪分类为不同等级，例如可以将满意情绪分类为level-1，将不满情绪分类为level-3，将极度不满情绪分类为level-5。
本发明中，对通话效果数据的量化是将通话效果数据根据预设规则转换为可量化的数值或者类型。若通话效果数据是用户对语音效果的打分，则将打分值直接作为量化的通话效果数据；若通话效果数据是用户的情绪反馈，则根据预设的情绪量化表将用户的情绪反馈转换为可量化的情绪数值或者情绪类型，得到量化的通话效果数据。其中，预设的情绪量化表包含每种情绪对应的情绪数值，或者包含每种情绪对应的情绪类型。例如，一段人工录音的用户的情绪反馈为满意，通过查找预设的情绪量化表得到满意对应的情绪数值为9，则该段人工录音量化的通话效果数据为9。此外，若上述语音情绪模型可以输出数值型或类别型的情绪反馈，则可以直接将语音情绪模型输出的数值型或类别型的情绪反馈作为量化的通话效果数据。
本发明中，评测人工录音效果模型的训练数据集包括：人工录音的音频数据参数和与之对应的量化的通话效果数据。
S3、使用所述训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数；
本发明根据人工录音的用途将人工录音分为：开场白录音、促动录音和挽回录音三种类型。其中，开场白录音是与用户开始对话时采用的人工录音，促动录音是促动用户购买产品或服务时采用的人工录音，挽回录音是挽留用户，请用户继续使用或购买产品或服务时采用的人工录音。考虑到不同类型人工录音的音频数据参数对通话效果的影响不同，本步骤先根据人工录音的类型向将训练数据集分为多个子训练数据集，再使用所述子训练数据集分别训练人工录音效果模型，计算不同类型的人工录音的优选音频数据参数。
例如，在录制人工录音时可以采用不同的标识符来标识不同的人工录音，将有相同标识符的人工录音的音频数据参数和与之对应的量化的通话效果数据分到同一个子训练数据集中。其中，所述人工录音效果模型可以采用有监督的机器学习模型，如支持向量机模型、朴素贝叶斯模型、神经网络模型等。
S4、接收待评测的人工录音，提取所述待评测的人工录音的音频数据参数；
本步骤提取待评测的人工录音的音频数据参数与步骤S2中提取历史通话数据集中的人工录音的音频数据参数采用的方法相同，不再赘述。
S5、将待评测的音频数据参数与所述优选音频数据参数进行比对，生成所述人工录音的优化策略。
具体的，本步骤先对所述待评测的人工录音进行语义解析，确定所述待评测人工录音的类型；再将待评测的音频数据参数与所述待评测人工录音类型对应的优选音频数据参数进行比对，生成所述人工录音的优化策略。
其中，所述优化策略包括对待评测的音频数据参数的调整方向和调整数值。以音频数据参数为情绪指标为例，若待评测人工录音的情绪指标为5，待评测人工录音类型对应的优选音频数据参数为7，则生成将待评测的音频数据参数增加2个情绪指标的优化策略。运营人员根据优化策略对所述待评测的人工录音进行调整，或者，根据优化策略指导录音师重新进行人工录音，使人工录音的情绪表达、语速等更符合应用场景的需求，从而提高语音机器人的通话效果。
在另一种实施方式中，在提取所述待评测的人工录音的音频数据参数之后，本发明还可以显示待评测的人工录音的音频数据参数和对音频数据参数的编辑项，根据用户对所述编辑项的编辑操作修改所述待评测的人工录音；如图2，所述编辑项包括：所述音频数据的波形10和音轨11，所述编辑操作包括：裁剪、插入、删除。例如，用户想在人工录音的指定位置插入一定时间的空白区域，则在音频数据波形的指定位置点右键，选择插入即可。这样，运营人员可以在可视化的界面上对音频数据参数进行修改。进一步的，还可以提取并显示修改后所述待评测的人工录音的音频数据参数。供后续生成修改后的人工录音的优化策略。
在另一种实施方式中，对于人工录音中有少量信息进行更新的情况，比如，对电话号码、产品名称等更新时，可以将录音师提前录制的待修改录音信息的音频作为样本音频单元，获取当前待修改的录音信息对应的待修改样本音频单元；具体可以对样本音频单元进行语义解析，通过语义匹配的方式获取当前待修改的录音信息对应的待修改样本音频单元。最后，根据所述待修改样本音频单元更新人工录音，比如，将人工录音中需要修改的信息替换为待修改样本音频单元。这样，对于有少量信息更新的情况，无需请录音师重新录制，只需将待修改信息替换为待修改样本音频单元即可完成人工录音的更新，减小了人工录音的成本。
图3是本发明一种语音机器人采用的人工录音的优化装置的架构示意图，如图3所示，所述装置包括：
获取模块31，用于获取语音机器人的历史通话数据集，该历史通话数据集包括人工录音数据和通话效果数据；
创建模块32，用于提取所述历史通话数据集中的人工录音的音频数据参数，并量化所述通话效果数据，建立用于评测人工录音效果模型的训练数据集；本发明中，所述音频数据参数包括情绪指标、语速和音量中的至少一种。
模型计算模块33，用于使用所述训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数；
提取模块34，用于接收待评测的人工录音，提取所述待评测的人工录音的音频数据参数；
生成模块35，用于将待评测的音频数据参数与所述优选音频数据参数进行比对，生成所述人工录音的优化策略。
在一种具体实施方式中，所述模型计算模块33包括：
分割模块331，用于根据人工录音的类型将所述训练数据集分为多个子训练数据集；
子训练计算模块332，用于使用所述子训练数据集分别训练人工录音效果模型，计算不同类型的人工录音的优选音频数据参数；
其中，所述人工录音的类型包括：开场白录音、促动录音和挽回录音。
所述生成模块35包括：
确定模块351，用于对所述待评测的人工录音进行语义解析，确定所述待评测人工录音的类型；
比对生成模块352，用于将待评测的音频数据参数与所述待评测人工录音类型对应的优选音频数据参数进行比对，生成所述人工录音的优化策略。
在一种具体实施方式中，所述装置还包括：
第一显示模块，用于显示所述待评测的人工录音的音频数据参数和所述音频数据参数的编辑项；
修改模块，用于根据用户对所述编辑项的编辑操作修改所述待评测的人工录音；其中，所述编辑项包括：所述音频数据的波形和音轨，所述编辑操作包括：裁剪、插入、删除。
第二显示模块，用于提取并显示修改后所述待评测的人工录音的音频数据参数。
在一种具体实施方式中，所述装置还包括：
存储模块，用于存储人工录音的样本音频单元；
子获取模块，用于获取当前待修改的录音信息对应的待修改样本音频单元；
更新模块，用于根据所述待修改样本音频单元更新人工录音。
本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的实体形式的实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
图4是根据本发明的一种电子设备的示例性实施例的结构框图。图4显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，该示例性实施例的电子设备400以通用数据处理设备的形式表现。电子设备400的组件可以包括但不限于：至少一个处理单元410、至少一个存储单元420、连接不同电子设备组件(包括存储单元420和处理单元410)的总线430、显示单元440等。
其中，所述存储单元420存储有计算机可读程序，其可以是源程序或都只读程序的代码。所述程序可以被处理单元410执行，使得所述处理单元410执行本发明各种实施方式的步骤。例如，所述处理单元410可以执行如图1所示的步骤。
所述存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(ROM)4203。所述存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204，这样的程序模块4205包括但不限于：操作电子设备、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备400也可以与一个或多个外部设备300(例如键盘、显示器、网络设备、蓝牙设备等)通信，使得用户能经由这些外部设备400与该电子设备400交互，和/或使得该电子设备400能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过输入/输出(I/O)接口450进行，还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)进行。网络适配器460可以通过总线430与电子设备400的其它模块通信。应当明白，尽管图4中未示出，电子设备400中可使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID电子设备、磁带驱动器以及数据备份存储电子设备等。
图5是本发明的一个计算机可读介质实施例的示意图。如图5所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的电子设备、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。当所述计算机程序被一个或多个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：获取语音机器人的历史通话数据集，该历史通话数据集包括人工录音数据和通话效果数据；提取所述历史通话数据集中的人工录音的音频数据参数，并量化所述通话效果数据，建立用于评测人工录音效果模型的训练数据集；使用所述训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数；接收待评测的人工录音，提取所述待评测的人工录音的音频数据参数；将待评测的音频数据参数与所述优选音频数据参数进行比对，生成所述人工录音的优化策略。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行电子设备、装置或者器件使用或者与其结合使用的程序。可读存储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、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语音的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语音包括面向对象的程序设计语音—诸如Java、C++等，还包括常规的过程式程序设计语音—诸如“C”语音或类似的程序设计语音。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述，本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种语音机器人采用的人工录音的优化方法，其特征在于，所述方法包括：
获取语音机器人的历史通话数据集，该历史通话数据集包括人工录音数据和通话效果数据；
提取所述历史通话数据集中的人工录音的音频数据参数，并量化所述通话效果数据，建立用于评测人工录音效果模型的训练数据集；
使用所述训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数；
接收待评测的人工录音，提取所述待评测的人工录音的音频数据参数；
将待评测的音频数据参数与所述优选音频数据参数进行比对，生成所述人工录音的优化策略。
2.根据权利要求1所述的方法，其特征在于，所述使用所述训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数包括：
根据人工录音的类型将所述训练数据集分为多个子训练数据集；
使用所述子训练数据集分别训练人工录音效果模型，计算不同类型的人工录音的优选音频数据参数；
其中，所述人工录音的类型包括：开场白录音、促动录音和挽回录音。
3.根据权利要求1所述的方法，其特征在于，所述将待评测的音频数据参数与所述优选音频数据参数进行比对，生成所述人工录音的优化策略包括：
对所述待评测的人工录音进行语义解析，确定所述待评测人工录音的类型；
将待评测的音频数据参数与所述待评测人工录音类型对应的优选音频数据参数进行比对，生成所述人工录音的优化策略。
4.根据权利要求2所述的方法，其特征在于，所述提取所述待评测的人工录音的音频数据参数之后，所述方法还包括：
显示所述待评测的人工录音的音频数据参数和所述音频数据参数的编辑项；
根据用户对所述编辑项的编辑操作修改所述待评测的人工录音；
提取并显示修改后所述待评测的人工录音的音频数据参数。
5.根据权利要求4所述的方法，其特征在于，所述编辑项包括：所述音频数据的波形和音轨，所述编辑操作包括：裁剪、插入、删除。
6.根据权利要求2所述的方法，其特征在于，所述方法还包括：
存储人工录音的样本音频单元；
获取当前待修改的录音信息对应的待修改样本音频单元；
根据所述待修改样本音频单元更新人工录音。
7.根据权利要求1所述的方法，其特征在于，所述音频数据参数包括情绪指标、语速和音量中的至少一种。
8.一种语音机器人采用的人工录音的优化装置，其特征在于，所述装置包括：
获取模块，用于获取语音机器人的历史通话数据集，该历史通话数据集包括人工录音数据和通话效果数据；
创建模块，用于提取所述历史通话数据集中的人工录音的音频数据参数，并量化所述通话效果数据，建立用于评测人工录音效果模型的训练数据集；
模型计算模块，用于使用所述训练数据集训练人工录音效果模型，计算人工录音的优选音频数据参数；
提取模块，用于接收待评测的人工录音，提取所述待评测的人工录音的音频数据参数；
生成模块，用于将待评测的音频数据参数与所述优选音频数据参数进行比对，生成所述人工录音的优化策略。
9.一种电子设备，包括：
处理器；以及
存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现权利要求1-7中任一项所述的方法。
CN202011193582.1A 2020-10-30 2020-10-30 语音机器人采用的人工录音的优化方法、装置及电子设备 Active CN112017698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011193582.1A CN112017698B (zh) 2020-10-30 2020-10-30 语音机器人采用的人工录音的优化方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011193582.1A CN112017698B (zh) 2020-10-30 2020-10-30 语音机器人采用的人工录音的优化方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112017698A CN112017698A (zh) 2020-12-01
CN112017698B true CN112017698B (zh) 2021-01-29

Family

ID=73527735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011193582.1A Active CN112017698B (zh) 2020-10-30 2020-10-30 语音机器人采用的人工录音的优化方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112017698B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109389993A (zh) * 2018-12-14 2019-02-26 广州势必可赢网络科技有限公司 一种语音数据采集方法、装置、设备及存储介质
CN110062267A (zh) * 2019-05-05 2019-07-26 广州虎牙信息科技有限公司 直播数据处理方法、装置、电子设备及可读存储介质
WO2020051544A1 (en) * 2018-09-07 2020-03-12 Gracenote, Inc. Methods and apparatus for dynamic volume adjustment via audio classification
CN111428017A (zh) * 2020-03-24 2020-07-17 科大讯飞股份有限公司 人机交互优化方法以及相关装置
CN111460094A (zh) * 2020-03-17 2020-07-28 云知声智能科技股份有限公司 一种基于tts的音频拼接优化的方法及其装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI471854B (zh) * 2012-10-19 2015-02-01 Ind Tech Res Inst 引導式語者調適語音合成的系統與方法及電腦程式產品
CN111554278A (zh) * 2020-05-07 2020-08-18 Oppo广东移动通信有限公司 视频录制方法、装置、电子设备以及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020051544A1 (en) * 2018-09-07 2020-03-12 Gracenote, Inc. Methods and apparatus for dynamic volume adjustment via audio classification
CN109389993A (zh) * 2018-12-14 2019-02-26 广州势必可赢网络科技有限公司 一种语音数据采集方法、装置、设备及存储介质
CN110062267A (zh) * 2019-05-05 2019-07-26 广州虎牙信息科技有限公司 直播数据处理方法、装置、电子设备及可读存储介质
CN111460094A (zh) * 2020-03-17 2020-07-28 云知声智能科技股份有限公司 一种基于tts的音频拼接优化的方法及其装置
CN111428017A (zh) * 2020-03-24 2020-07-17 科大讯飞股份有限公司 人机交互优化方法以及相关装置

Also Published As

Publication number Publication date
CN112017698A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN109889920B (zh) 网络课程视频剪辑方法、系统、设备及存储介质
US10324979B2 (en) Automatic generation of playlists from conversations
CN111212190B (zh) 一种基于话术策略管理的对话管理方法、装置和系统
CN105206258A (zh) 声学模型的生成方法和装置及语音合成方法和装置
CN111193834B (zh) 基于用户声音特征分析的人机交互方法、装置和电子设备
CN111191000A (zh) 一种智能语音机器人的对话管理方法、装置和系统
CN110475032A (zh) 多业务界面切换方法、装置、计算机装置及存储介质
CN112102811B (zh) 一种合成语音的优化方法、装置及电子设备
CN111177350A (zh) 智能语音机器人的话术形成方法、装置和系统
US9852743B2 (en) Automatic emphasis of spoken words
CN112037755B (zh) 一种基于音色克隆的语音合成方法、装置及电子设备
CN108091323A (zh) 用于自语音中识别情感的方法与装置
CN108364655B (zh) 语音处理方法、介质、装置和计算设备
CN114330371A (zh) 基于提示学习的会话意图识别方法、装置和电子设备
CN116612541A (zh) 一种多模态情感识别方法、装置及存储介质
CN117494814A (zh) 提示词全生命周期管理方法、系统、电子设备、存储介质
CN112017698B (zh) 语音机器人采用的人工录音的优化方法、装置及电子设备
CN111949778A (zh) 一种基于用户情绪的智能语音对话方法、装置及电子设备
CN117149977A (zh) 一种基于机器人流程自动化的智能催收机器人
Chen et al. Speaker and expression factorization for audiobook data: Expressiveness and transplantation
JP2020204711A (ja) 登録システム
CN113299272B (zh) 语音合成模型训练和语音合成方法、设备及存储介质
CN112017668B (zh) 一种基于实时情感检测的智能语音对话方法、装置和系统
CN112101046B (zh) 一种基于通话行为的会话分析方法、装置和系统
KR20080035965A (ko) 정보처리장치 및 방법, 프로그램 및 기록매체

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