CN112289305B - 韵律预测方法、装置、设备以及存储介质 - Google Patents
韵律预测方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112289305B CN112289305B CN202011321328.5A CN202011321328A CN112289305B CN 112289305 B CN112289305 B CN 112289305B CN 202011321328 A CN202011321328 A CN 202011321328A CN 112289305 B CN112289305 B CN 112289305B
- Authority
- CN
- China
- Prior art keywords
- prosody
- target text
- text
- language
- feature vector
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 239000013598 vector Substances 0.000 claims abstract description 194
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000013145 classification model Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 19
- 230000033764 rhythmic process Effects 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 abstract description 7
- 238000003786 synthesis reaction Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 83
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 241001248531 Euchloe <genus> Species 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G10L13/10—Prosody rules derived from text; Stress or intonation
-
- 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
- G10L13/086—Detection of language
-
- 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
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
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)
- Signal Processing (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种韵律预测方法、装置、设备以及存储介质，涉及语音合成、自然语言处理、计算机技术语言。具体实现方案为：获取目标文本；确定目标文本的语言特征向量；根据目标文本、语言特征向量，确定目标文本中的韵律边界标识；基于韵律边界标识，确定目标文本的韵律，并输出。本实现方式可以对不同语言文本进行快速、准确的韵律预测，提升对不同语言的文本进行韵律预测的速度和精确度。
Description
技术领域
本申请涉及计算机技术领域，具体涉及语音合成、自然语言处理、计算机技术领域，尤其涉及韵律预测方法、装置、设备以及存储介质。
背景技术
语音合成是通过机械的、电子的方法产生人造语音的技术，其目的是能够让计算机将文本信息转化为语音朗读出来，相当于使计算机具有类似于人一样的说话能力。
韵律对于语音信号处理有着至关重要的作用。韵律用于指示对于一个文本而言，在阅读时应该在哪些地方进行停顿。显然，在语言合成过程中，如果能够使得计算机按照自然的韵律进行停顿，将有助于提升语音合成结果的自然度和流畅性。
然而，目前针对多种语言的文本的韵律预测，往往需要单独创建对应于不同语言的前端框架，从而使得韵律预测的流程繁杂，不简洁且韵律预测效果不好。
发明内容
本公开提供了一种韵律预测方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种韵律预测方法，包括：获取目标文本；确定目标文本的语言特征向量；根据目标文本、语言特征向量，确定目标文本中的韵律边界标识；基于韵律边界标识，确定目标文本的韵律，并输出。
在一些实施例中，确定目标文本的语言特征向量，包括：根据目标文本和预训练的分类模型，确定目标文本对应的语言标识，其中预训练的分类模型用于表征文本与语言标识的对应关系；根据目标文本、语言标识和预训练的转换模型，确定目标文本对应的语言特征向量，其中，预训练的转换模型用于表征基于语言标识的文本与语言特征向量的对应关系。
在一些实施例中，确定目标文本中的韵律边界标识，包括：根据目标文本、语言特征向量以及预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，预训练的韵律预测模型用于表征基于语言特征向量的文本与韵律边界标识的对应关系。
在一些实施例中，根据目标文本、语言特征向量，确定目标文本中的韵律边界标识，包括：根据目标文本和语言特征向量，确定文本分布及上下文信息；基于文本分布及上下文信息和预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，韵律预测模型用于表征文本分布及上下文信息与韵律边界标识的对应关系。
根据本公开的另一方面，提供了一种用于训练韵律预测模型的方法，包括：获取初始模型，其中，初始模型包括初始韵律预测模型；获取训练样本集合，其中，训练样本集合包括不同语言的文本、标注的各文本对应的语言特征向量以及标注的各文本对应的韵律边界标识；将不同语言的文本以及标注的各文本对应的语言特征向量作为初始模型的输入，将与输入的不同语言的文本以及标注的各文本对应的语言特征向量对应的韵律边界标识作为期望输出，将训练得到的初始模型的初始韵律预测模型确定为韵律预测模型。
在一些实施例中，获取训练样本集合，包括：获取不同语言的文本以及不同语言的文本的语言特征；根据各语言特征和预设的特征与向量的对应关系，确定各语言特征对应的语言特征向量；获取各语言特征向量所对应的文本对应的韵律边界标识；将不同语言的文本、对应不同语言的文本的各语言特征向量以及各韵律边界标识组合成训练样本。
根据本公开的再一方面，提供了一种韵律预测装置，包括：获取单元，被配置成获取目标文本；语言特征向量确定单元，被配置成确定目标文本的语言特征向量；韵律边界标识确定单元，被配置成根据目标文本、语言特征向量，确定目标文本中的韵律边界标识；输出单元，被配置成基于韵律边界标识，确定目标文本的韵律，并输出。
在一些实施例中，语言特征向量确定单元进一步被配置成：根据目标文本和预训练的分类模型，确定目标文本对应的语言标识，其中预训练的分类模型用于表征文本与语言标识的对应关系；根据目标文本、语言标识和预训练的转换模型，确定目标文本对应的语言特征向量，其中，预训练的转换模型用于表征基于语言标识的文本与语言特征向量的对应关系。
在一些实施例中，韵律边界标识确定单元进一步被配置成：根据目标文本、语言特征向量以及预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，预训练的韵律预测模型用于表征基于语言特征向量的文本与韵律边界标识的对应关系。
在一些实施例中，韵律边界标识确定单元进一步被配置成：根据目标文本和语言特征向量，确定文本分布及上下文信息；基于文本分布及上下文信息和预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，韵律预测模型用于表征文本分布及上下文信息与韵律边界标识的对应关系。
根据本公开的又一方面，提供了一种用于训练韵律预测模型的装置，包括：模型获取单元，被配置成获取初始模型，其中，初始模型包括初始韵律预测模型；样本获取单元，被配置成获取训练样本集合，其中，训练样本集合包括不同语言的文本、标注的各文本对应的语言特征向量以及标注的各文本对应的韵律边界标识；训练单元，被配置成将不同语言的文本以及标注的各文本对应的语言特征向量作为初始模型的输入，将与输入的不同语言的文本以及标注的各文本对应的语言特征向量对应的韵律边界标识作为期望输出，将训练得到的初始模型的初始韵律预测模型确定为韵律预测模型。
在一些实施例中，样本获取单元进一步被配置成：获取不同语言的文本以及不同语言的文本的语言特征；根据各语言特征和预设的特征与向量的对应关系，确定各语言特征对应的语言特征向量；获取各语言特征向量所对应的文本对应的韵律边界标识；将不同语言的文本、对应不同语言的文本的各语言特征向量以及各韵律边界标识组合成训练样本。
根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上述韵律预测方法以及执行如上述用于训练韵律预测模型的方法。
根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，上述计算机指令用于使计算机执行如上述韵律预测方法以及执行如上述用于训练韵律预测模型的方法。
根据本申请的技术通过根据目标文本的语言特征向量，可以确定该目标文本的对应该语言特征向量所指示的语言的韵律，从而可以实现对不同语言的文本进行快速、准确的韵律预测，提升对不同语言的文本进行韵律预测的速度和精确度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
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是根据本申请的韵律预测方法的一个实施例的流程图；
图3是根据本申请的韵律预测方法的一个应用场景的示意图；
图4是根据本申请的韵律预测方法的另一个实施例的流程图；
图5是根据本申请的用于训练韵律预测模型的方法的一个实施例的流程图；
图6是根据本申请的用于训练韵律预测模型的方法的一个应用场景的示意图；
图7是根据本申请的用于训练韵律预测模型的方法的另一个实施例的流程图；
图8是根据本申请的韵律预测装置的一个实施例的结构示意图；
图9是根据本申请的用于训练韵律预测模型的装置的一个实施例的结构示意图；
图10是用来实现本申请实施例的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
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的韵律预测方法或韵律预测装置的实施例的示例性系统架构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，例如韵律预测、阅读类应用等。
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，可以是各种电子设备，包括但不限于智能手机、平板电脑、车载电脑、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，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采集的不同语言的目标文本进行韵律预测的后台服务器。后台服务器可以接收用户通过终端设备101、102、103提交的目标文本，并确定目标文本对应的语言特征向量，然后根据该语言特征向量和目标文本确定目标文本中的韵律边界标识，并根据确定出的对应于该语言特征向量的韵律边界标识，确定目标文本的韵律，最后输出该韵律。
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，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的韵律预测方法一般由服务器105执行。相应地，韵律预测装置一般设置于服务器105中。
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韵律预测方法的一个实施例的流程200。本实施例的韵律预测方法，包括以下步骤：
步骤201，获取目标文本。
本实施例中，韵律预测方法的执行主体(例如图1中的服务器105)可以通过有线连接或无线连接的方式获取目标文本。具体地，目标文本可以是不同语言的中文、法文、德文、意大利文、英文中的一种或多种，本申请对目标文本的语言类型不做具体限定。
步骤202，确定目标文本的语言特征向量。
执行主体在获取目标文本后，可以确定目标文本的语言特征向量。具体地，执行主体可以通过预训练的LID模型来提取目标文本的语言特征向量(即Language vector)。语言特征向量(即Language vector)，具体地，可以是词向量，句子向量，短语向量等用于表征语言种类的特征向量。具体地，语言特征向量可以用三维空间中的坐标来表示，例如(1，2，3)。当然，目标文本的语言特征向量也可以通过语言特征计算得到。语言特征，可以是特征词，例如，可以是目标文本中含有的或者是根据目标文本的上下文确定的“古文”、“诗词”等反应语言类型的词。则语言特征向量就可以是上述确定的特征词，例如“古文”、“诗词”等词对应转换成的词向量，本申请对语言特征向量是词向量或字向量或短语向量不做具体限定。具体的语言特征向量的转换方法可以通过预训练的基于Rocchio算法的分类器来实现，在此不再赘述。
步骤203，根据目标文本、语言特征向量，确定目标文本中的韵律边界标识。
本实施例中，执行主体在得到语言特征向量后，可以根据目标文本、语言特征向量，确定目标文本中的韵律边界标识。具体地，执行主体可以根据目标文本和语言特征向量，以及预设的目标文本和语言特征向量与韵律边界标识的对应关系，确定目标文本中的韵律边界标识。
步骤204，基于韵律边界标识，确定目标文本的韵律，并输出。
执行主体在确定韵律边界标识后，可以根据韵律边界标识，确定目标文本的韵律，并输出。示例的，文本1的“床前#1明月#1光”，文本2的“In the blue sky#2,there#1is#1alittle white boat#2in#1the Milky way#2”。
继续参考图3，其示出了根据本申请的韵律预测方法的一个应用场景的示意图。在图3的应用场景中，服务器303通过网络302获取不同语言的目标文本301。服务器303确定目标文本301的语言特征向量304。服务器303根据目标文本301、语言特征向量304，确定不同语言的目标文本301中的韵律边界标识305。服务器303根据韵律边界标识305，可以确定不同语言的目标文本301的韵律306，并输出。
本实施例通过根据目标文本的语言特征向量，可以确定该目标文本的对应该语言特征向量所指示的语言的韵律，从而可以实现对不同语言的文本进行快速、准确的韵律预测，提升对不同语言的文本进行韵律预测的速度和精确度。
继续参考图4，其示出了根据本申请的韵律预测方法的另一个实施例的流程400。如图4所示，本实施例的韵律预测方法，可以包括以下步骤：
步骤401，获取目标文本。
步骤402，确定目标文本的语言特征向量。
步骤401和步骤402的原理与步骤201和步骤202的原理类似，此处不再赘述。
具体地，步骤402可以通过步骤4021和步骤4022实现：
步骤4021，根据目标文本和预训练的分类模型，确定目标文本对应的语言标识。
本实施例中，预训练的分类模型用于表征文本与语言标识的对应关系。执行主体在获取目标文本后，还可以先根据目标文本和预训练的分类模型，确定目标文本对应的语言标识。具体地，执行主体可以将目标文本输入预训练的分类模型，确定目标文本对应的语言标识。语言标识可以是计算机可以读懂的语言，例如数字组合。例如，文本1“床前明月光”对应的语言标识可以是01，代表中文；文本2“In the blue sky,there is a little whiteboat in the Milky way”对应的语言标识可以是02，代表英文。在对分类模型进行训练时，训练样本集可以是各个语言的文本，以及各个语言的文本对应的语言标识。根据该训练样本集训练分类模型，得到具有将文本与文本对应的语言标识准确匹配的能力的预训练的分类模型。
步骤4022，根据目标文本、语言标识和预训练的转换模型，确定目标文本对应的语言特征向量。
本实施例中，预训练的转换模型用于表征基于语言标识的文本与语言特征向量的对应关系。执行主体在得到语言标识后，可以根据目标文本、语言标识和预训练的转换模型，确定目标文本对应的语言特征向量。具体地，执行主体可以将目标文本和各目标文本对应的语言标识输入预训练的转换模型中，输出各文本对应的语言特征向量。在对转换模型进行训练时，训练样本集可以采用目标文本、各目标文本对应的语言标识，转换模型可以首先根据各目标文本对应的语言标识，确定目标文本的语言，然后根据目标文本中可以反映语言类型的词或字或短语以及预训练的转换模型中的预设的词、字或短语与特征向量的对应的关系，将目标文本中可以反映语言的词或字或短语转换成语言特征向量，并输出。当然，可以理解的是，执行主体还可以直接根据各语言标识以及预训练的转换模型中的预设的标识与向量的对应关系，生成并输出各语言标识对应的各文本的语言特征向量，本申请对语言特征向量的生成方式不做具体限定。例如，预训练的转换模型可以根据语言标识01，输出对应的语言特征向量(0，0，1)，以及可以根据语言标识02，输出对应的语言特征向量(0，0，2)。
本实施例通过根据文本确定文本对应的语言标识，然后根据文本和语言标识确定语言特征向量，从而可以为文本的韵律预测奠定语言分类的基础，方便韵律预测模型精确地确定与输入模型的语言特征向量所指示的语言相同的目标文本的韵律，提高韵律预测的准确性。
步骤403，根据目标文本、语言特征向量，确定目标文本中的韵律边界标识。
步骤403的原理与步骤203的原理类似，此处不再赘述。
具体地，步骤403可以通过步骤4031～步骤4032来实现：
步骤4031，根据目标文本和语言特征向量，确定文本分布及上下文信息。
执行主体在确定目标文本的语言特征向量后，可以根据目标文本和语言特征向量，确定文本分布及上下文信息。具体地，执行主体根据语言特征向量，可以确定目标文本的语言类型。执行主体可以根据确定出的语言类型以及预设的语言类型与文本的文本分布及上下文信息的对应关系，确定目标文本的文本分布及上下文信息。具体地，执行主体可以通过预训练的语言模型根据语言特征向量，确定目标文本的文本分布及上下文信息。文本分布，具体可以指目标文本中的字、词或短语的分布。上下文信息，可以是目标文本中的字、词或短语与周围的字、词或短语之间的关系，该关系可以是定语关系、状语关系、补语关系等，本申请对此不做具体限定。具体地，可以理解的是，目标文本的文本分布及上下文关系均可以转换成计算机可以识别的数字编码，例如，目标文本的文本分布中的字对应1，词对应12，短语对应123，上下文信息中的定语关系可以用0表示，状语关系可以用00表示，补语关系可以用000表示，至于具体地自定义数字编码的数值，本申请不做限定。此外，目标文本的文本分布还可以包括各个字、词或短语所处的相对位置，当然，这里的相对位置也可以用数字编码来表示，在此对具体编码数值不做限定。
步骤4032，基于文本分布及上下文信息和预训练的韵律预测模型，确定目标文本中的韵律边界标识。
其中，韵律预测模型用于表征文本分布及上下文信息与韵律边界标识的对应关系。执行主体在得到目标文本的文本分布及上下文信息后，可以基于文本分布及上下文信息和预训练的韵律预测模型，确定目标文本中的韵律边界标识。具体地，执行主体可以将文本分布及上下文信息对应的数字编码输入到预训练的韵律预测模型中，输出目标文本中的韵律边界标识。
本实施例通过根据目标文本和语言特征向量确定出的文本分布及上下文信息以及预训练的韵律预测模型，可以准确地确定各种语言的目标文本中的韵律边界标识。
具体地，步骤403还可以通过图4中未示出的以下步骤4033来实现：
步骤4033，根据目标文本、语言特征向量以及预训练的韵律预测模型，确定目标文本中的韵律边界标识。
其中，预训练的韵律预测模型用于表征基于语言特征向量的文本与韵律边界标识的对应关系。具体地，执行主体可以将目标文本和目标文本中所包括的各语言的文本对应的语言特征向量输入预训练的韵律预测模型。韵律预测模型首先根据各语言特征向量确定目标文本中的一个或多个文本所属的语言，然后可以根据预先训练的各语言特征向量对应的文本与韵律边界标识的对应关系，将各语言特征向量对应的各文本的韵律边界标识输出。示例的，将目标文本中包含的文本1“床前明月光”和文本2“In the blue sky,there isa little white boat in the Milky way”以及文本1对应的语言特征向量“中文”例如用坐标(0，0，1)表示、文本2对应的语言特征向量“英文”例如用坐标(0，0，2)表示，将确定出的各语言特征向量对应的坐标输入预训练的韵律预测模型中，韵律预测模型根据预先训练的语言特征向量与韵律边界标识的对应关系，对文本1和文本2按照对应的语言进行韵律边界标识的预测，得到预测结果。例如，确定出的文本1的韵律边界标识为#1，确定出的文本2的韵律边界标识为#2、#1。本实施例中，韵律预测模型根据预先训练的语言特征向量与韵律边界标识的对应关系，对文本1和文本2按照对应的语言进行韵律边界标识的预测，得到预测结果，实际上可以是韵律预测模型首先根据语言特征向量，确定对应的语言所对应的停顿、呼吸等的位置，而这些位置有其对应的韵律边界标识，从而可以据此确定出文本1和文本2的韵律边界标识。韵律边界标识，具体地，可以是#1、#2、#3、#4，其中，#1代表韵律词边界、#2代表韵律短语边界、#3代表语调短语边界、#4代表句子边界，边界不仅表示停顿，还表示语音合成里涉及到的基频、呼吸等。
步骤404，基于韵律边界标识，确定目标文本的韵律，并输出。
步骤404的原理与步骤204的原理类似，此处不再赘述。
继续参考图5，示出了根据本申请的用于训练韵律预测模型的方法的一个实施例的流程500。本实施例的用于训练韵律预测模型的方法，包括以下步骤：
步骤501，获取初始模型。
本实施例中，初始模型包括初始韵律预测模型。具体地，执行主体可以获取初始模型，初始模型可以包括初始韵律预测模型。初始韵律预测模型可以是初始模型经过训练后的韵律预测模型。
步骤502，获取训练样本集合。
本实施例中，执行主体在获取初始模型后，可以获取训练样本集合。具体地，训练样本集合可以包括不同语言的文本、标注的各文本对应的语言特征向量以及标注的各文本对应的韵律边界标识。不同语言的文本，具体可以包括：小说文本、诗歌文本、古文文本、现代歌曲文本等，本申请对此不做具体限定。标注的各文本对应的语言特征向量可以是不同语言的各文本中可以代表各文本的语言种类的字、词或短语等对应的字、词或短语向量，或者是根据各文本的上下文确定的、各文本中没有出现过的用于表征语言种类的字、词或短语对应的语言特征向量，本申请对此不做具体限定。韵律边界标识，具体地，可以是#1、#2、#3、#4等，其中，#1代表韵律词边界、#2代表韵律短语边界、#3代表语调短语边界、#4代表句子边界，边界不仅表示停顿，还表示语音合成里涉及到的基频、呼吸等。在本实施例中，作为示例，可以获取不同语言的文本1“床前明月光”和文本2“In the blue sky,there is alittle white boat in the Milky way”。对各文本对应的各语言特征向量进行标注，例如，对文本1的语言特征向量标注为(0，0，1)，表示中文；对文本2的语言特征向量标注为(0，0，2)，表示英文。对各文本对应的韵律边界标识进行标注，例如，对文本1对应的韵律边界标识标注为#1，对文本2对应的韵律边界标识标注为#1、#2。将文本1、文本2以及标注好的语言特征向量(0，0，1)、(0，0，2)以及标注好的文本1对应的韵律边界标识#1、文本2对应的韵律边界标识#1、#2确定为训练样本集合并获取。当然，可以理解的是，训练样本集合中应该包含大量的训练数据，在本实施例中仅以文本1和文本2为例进行说明，对于其他的训练数据按照同样的方法标注语言特征向量和对应的韵律边界标识，本实施例不再一一列举。
步骤503，将不同语言的文本以及标注的各文本对应的语言特征向量作为初始模型的输入，将与输入的不同语言的文本以及标注的各文本对应的语言特征向量对应的韵律边界标识作为期望输出，将训练得到的初始模型的初始韵律预测模型确定为韵律预测模型。
在本实施例中，执行主体可以利用机器学习方法，将训练样本集合中的训练样本的不同语言的文本以及标注的各文本对应的语言特征向量作为初始模型的输入，将与输入的不同语言的文本以及标注的各文本对应的语言特征向量对应的韵律边界标识作为期望输出，训练得到上述韵律预测模型。上述初始模型中的初始韵律预测模型的隐层可以用于输出韵律边界标识。经过多次的训练迭代，得到最终的韵律预测模型。
继续参考图6，其示出了根据本申请的用于训练韵律预测模型的方法的一个应用场景的示意图。在图6的应用场景中，服务器(图中未示出)获取初始模型605，其中，初始模型包括初始韵律预测模型(图中未示出)。服务器获取训练样本集合601，其中，训练样本集合601包括不同语言的文本602、标注的各文本对应的语言特征向量603以及标注的各文本对应的韵律边界标识604。服务器将不同语言的文本602以及标注的各文本对应的语言特征向量603作为初始模型605的输入，将与输入的不同语言的文本602以及标注的各文本对应的语言特征向量603对应的韵律边界标识604作为期望输出，将训练得到的初始模型605的初始韵律预测模型确定为最终的韵律预测模型606。
本实施例通过利用不同语言的文本、不同语言的文本对应的语言特征向量以及不同语言的文本对应的韵律边界标识的训练样本进行韵律预测模型的训练，使得所生成的韵律预测模型能够快速、准确地对不同语言的文本进行韵律预测，无须多次单独创建不同语言的前端框架，简化韵律预测流程，提升韵律预测的速度和精确度。
继续参考图7，其示出了根据本申请的用于训练韵律预测模型的方法的另一个实施例的流程700。如图7所示，本实施例的韵律预测方法，可以包括以下步骤：
步骤701，获取初始模型。
其中，初始模型包括初始韵律预测模型。
步骤702，获取训练样本集合。
其中，训练样本集合包括不同语言的文本、标注的各文本对应的语言特征向量以及标注的各文本对应的韵律边界标识。
步骤701和步骤702的原理与步骤501和步骤502的原理类似，此处不再赘述。
具体地，步骤702可以通过步骤7021～步骤7024来实现：
步骤7021，获取不同语言的文本以及不同语言的文本的语言特征。
步骤7022，根据各语言特征和预设的特征与向量的对应关系，确定各语言特征对应的语言特征向量。
本实施例中，执行主体在获取不同语言的文本以及每个语言的文本的语言特征后，可以根据各语言特征和预设的特征与向量的对应关系，确定各语言特征对应的语言特征向量。具体地，执行主体可以根据各语言特征和预训练的转换模型中的特征与向量的对应关系，确定各语言特征对应的各语言特征向量，本申请对各语言特征向量的生成方式不做具体限定。
步骤7023，获取各语言特征向量所对应的文本对应的韵律边界标识。
执行主体在确定各语言特征对应的语言特征向量后，可以获取各语言特征向量所对应的文本对应的韵律边界标识。具体地，本实施例中可以是首先确定各文本所对应的语言的语言特征向量，当各文本为不同语言的文本时，可以理解为是确定对应不同语言的特定语言特征所对应的语言特征向量，并据此确定上述各语言特征向量所对应的文本的韵律边界标识。也就是说，对应特定语言的韵律边界标识只是针对各语言的特定语言特征所生成的韵律边界标识，目的是将对不同语言的文本的韵律预测分类进行训练，使得同一个韵律预测模型，根据目标文本的语言特征向量即可快速、准确地得到该目标文本对应的语言的韵律边界标识，从而可以准确地对各种语言的目标文本进行韵律预测，流程简洁、韵律预测结果准确。当然，本实施例也可以是由执行主体从数据库服务器中获取预先存储的、或者是历史的语言特征向量对应的韵律边界标识作为训练数据。
步骤7024，将不同语言的文本、对应不同语言的文本的各语言特征向量以及各韵律边界标识组合成训练样本。
执行主体在得到第一韵律边界标识后，可以将不同语言的文本、对应不同语言的文本的各语言特征向量以及各第一韵律边界标识组合成训练样本。
本实施例通过将对不同语言的文本的韵律预测分类进行训练，使得同一个韵律预测模型，可以根据目标文本的语言特征向量即可快速得到该目标文本对应的韵律边界标识，从而可以准确、快速地对不同语言的目标文本进行韵律预测，流程简单，韵律预测结果准确。
步骤703，将不同语言的文本以及标注的各文本对应的语言特征向量作为初始模型的输入，将与输入的不同语言的文本以及标注的各文本对应的语言特征向量对应的韵律边界标识作为期望输出，将训练得到的初始模型的初始韵律预测模型确定为韵律预测模型。
步骤703的原理与步骤503的原理类似，此处不再赘述。
进一步参考图8，作为对上述各图所示的韵律预测方法的实现，本申请提供了一种韵律预测装置的一个实施例，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8所示，本实施例的韵律预测装置800包括：获取单元801、语言特征向量确定单元802、韵律边界标识确定单元803和输出单元804。
获取单元801，被配置成获取目标文本。
语言特征向量确定单元802，被配置成确定目标文本的语言特征向量。
韵律边界标识确定单元803，被配置成根据目标文本、语言特征向量，确定目标文本中的韵律边界标识。
输出单元804，被配置成根据韵律边界标识，确定目标文本的韵律，并输出。
在本实施例的一些可选的实现方式中，语言特征向量确定单元802进一步被配置成：根据目标文本和预训练的分类模型，确定目标文本对应的语言标识，其中预训练的分类模型用于表征文本与语言标识的对应关系；根据目标文本、语言标识和预训练的转换模型，确定目标文本对应的语言特征向量，其中，预训练的转换模型用于表征基于语言标识的文本与语言特征向量的对应关系。
在本实施例的一些可选的实现方式中，韵律边界标识确定单元803进一步被配置成：根据目标文本、语言特征向量以及预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，预训练的韵律预测模型用于表征基于语言特征向量的文本与韵律边界标识的对应关系。
在本实施例的一些可选的实现方式中，韵律边界标识确定单元803进一步被配置成：根据目标文本和语言特征向量，确定文本分布及上下文信息；基于文本分布及上下文信息和预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，韵律预测模型用于表征文本分布及上下文信息与韵律边界标识的对应关系。
应当理解，韵律预测装置800中记载的单元801至单元804分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对韵律预测方法描述的操作和特征同样适用于装置800及其中包含的单元，在此不再赘述。
进一步参考图9，作为对上述各图所示的用于训练韵律预测模型的方法的实现，本申请提供了一种用于训练韵律预测模型的装置的一个实施例，该装置实施例与图5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9所示，本实施例的用于训练韵律预测模型的装置900包括：模型获取单元901、样本获取单元902和训练单元903。
模型获取单元901，被配置成获取初始模型，其中，初始模型包括初始韵律预测模型。
样本获取单元902，被配置成获取训练样本集合，其中，训练样本集合包括不同语言的文本、标注的各文本对应的语言特征向量以及标注的各文本对应的韵律边界标识。
训练单元903，被配置成将不同语言的文本以及标注的各文本对应的语言特征向量作为初始模型的输入，将与输入的不同语言的文本以及标注的各文本对应的语言特征向量对应的韵律边界标识作为期望输出，将训练得到的初始模型的初始韵律预测模型确定为韵律预测模型。
在本实施例的一些可选的实现方式中，样本获取单元进一步被配置成：获取不同语言的文本以及不同语言的文本的语言特征；根据各语言特征和预设的特征与向量的对应关系，确定各语言特征对应的语言特征向量；获取各语言特征向量所对应的文本对应的韵律边界标识；将不同语言的文本、对应不同语言的文本的各语言特征向量以及各韵律边界标识组合成训练样本。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图10所示，是适于用来实现本申请实施例的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图10所示，该电子设备包括：一个或多个处理器1001、存储器1002，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线1005互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线1005与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器1001为例。
存储器1002即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的基于韵律预测模型的韵律预测的方法或执行用于训练韵律预测模型的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的基于韵律预测模型的韵律预测的方法或执行用于训练韵律预测模型的方法。
存储器1002作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及单元，如本申请实施例中的基于韵律预测模型的韵律预测的方法对应的程序指令/单元(例如，附图8所示的获取单元801、语言特征向量确定单元802、韵律边界标识确定单元803和输出单元804)。处理器1001通过运行存储在存储器1002中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的基于韵律预测模型的韵律预测的方法或用于训练韵律预测模型的方法。
存储器1002可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于韵律预测模型的韵律预测的电子设备或用于训练韵律预测模型的电子设备的使用所创建的数据等。此外，存储器1002可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1002可选包括相对于处理器1001远程设置的存储器，这些远程存储器可以通过网络连接至基于韵律预测模型的韵律预测的电子设备或用于训练韵律预测模型的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
基于韵律预测模型的韵律预测的电子设备或用于训练韵律预测模型的电子设备还可以包括：输入装置1003和输出装置1004。处理器1001、存储器1002、输入装置1003和输出装置1004可以通过总线1005或者其他方式连接，图10中以通过总线1005连接为例。
输入装置1003可接收输入的数字或字符信息，以及产生与基于韵律预测模型的韵律预测的电子设备或用于训练韵律预测模型的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1004可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过根据目标文本的语言特征向量，可以使得预训练的韵律预测模型输出该目标文本的对应该语言特征向量所指示的语言的韵律，从而可以实现对不同语言的文本进行快速、准确的韵律预测，提升对不同语言的文本进行韵律预测的速度和精确度。通过利用不同语言的文本、不同语言的文本对应的语言特征向量以及不同语言的文本对应的韵律边界标识的训练样本进行韵律预测模型的训练，使得所生成的韵律预测模型能够快速、准确地对不同语言的文本进行韵律预测，提升韵律预测的速度和精确度。
根据本公开的一个或多个实施例，本公开提供一种韵律预测方法，包括：获取目标文本；确定目标文本的语言特征向量；根据目标文本、语言特征向量，确定目标文本中的韵律边界标识；基于韵律边界标识，确定目标文本的韵律，并输出。
根据本公开的一个或多个实施例，确定目标文本的语言特征向量，包括：根据目标文本和预训练的分类模型，确定目标文本对应的语言标识，其中预训练的分类模型用于表征文本与语言标识的对应关系；根据目标文本、语言标识和预训练的转换模型，确定目标文本对应的语言特征向量，其中，预训练的转换模型用于表征基于语言标识的文本与语言特征向量的对应关系。
根据本公开的一个或多个实施例，确定目标文本中的韵律边界标识，包括：根据目标文本、语言特征向量以及预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，预训练的韵律预测模型用于表征基于语言特征向量的文本与韵律边界标识的对应关系。
根据本公开的一个或多个实施例，根据目标文本、语言特征向量，确定目标文本中的韵律边界标识，包括：根据目标文本和语言特征向量，确定文本分布及上下文信息；基于文本分布及上下文信息和预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，韵律预测模型用于表征文本分布及上下文信息与韵律边界标识的对应关系。
根据本公开的一个或多个实施例，本公开还提供了一种用于训练韵律预测模型的方法，包括：获取初始模型，其中，初始模型包括初始韵律预测模型；获取训练样本集合，其中，训练样本集合包括不同语言的文本、标注的各文本对应的语言特征向量以及标注的各文本对应的韵律边界标识；将不同语言的文本以及标注的各文本对应的语言特征向量作为初始模型的输入，将与输入的不同语言的文本以及标注的各文本对应的语言特征向量对应的韵律边界标识作为期望输出，将训练得到的初始模型的初始韵律预测模型确定为韵律预测模型。
根据本公开的一个或多个实施例，获取训练样本集合，包括：获取不同语言的文本以及不同语言的文本的语言特征；根据各语言特征和预设的特征与向量的对应关系，确定各语言特征对应的语言特征向量；获取各语言特征向量所对应的文本对应的韵律边界标识；将不同语言的文本、对应不同语言的文本的各语言特征向量以及各韵律边界标识组合成训练样本。
根据本公开的一个或多个实施例，本公开提供了一种韵律预测装置，包括：获取单元，被配置成获取目标文本；语言特征向量确定单元，被配置成确定目标文本的语言特征向量；韵律边界标识确定单元，被配置成根据目标文本、语言特征向量，确定目标文本中的韵律边界标识；输出单元，被配置成基于韵律边界标识，确定目标文本的韵律，并输出。
根据本公开的一个或多个实施例，语言特征向量确定单元进一步被配置成：根据目标文本和预训练的分类模型，确定目标文本对应的语言标识，其中预训练的分类模型用于表征文本与语言标识的对应关系；根据目标文本、语言标识和预训练的转换模型，确定目标文本对应的语言特征向量，其中，预训练的转换模型用于表征基于语言标识的文本与语言特征向量的对应关系。
根据本公开的一个或多个实施例，韵律边界标识确定单元进一步被配置成：根据目标文本、语言特征向量以及预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，预训练的韵律预测模型用于表征基于语言特征向量的文本与韵律边界标识的对应关系。
根据本公开的一个或多个实施例，韵律边界标识确定单元进一步被配置成：根据目标文本和语言特征向量，确定文本分布及上下文信息；基于文本分布及上下文信息和预训练的韵律预测模型，确定目标文本中的韵律边界标识，其中，韵律预测模型用于表征文本分布及上下文信息与韵律边界标识的对应关系。
根据本公开的一个或多个实施例，本公开还提供了一种用于训练韵律预测模型的装置，包括：模型获取单元，被配置成获取初始模型，其中，初始模型包括初始韵律预测模型；样本获取单元，被配置成获取训练样本集合，其中，训练样本集合包括不同语言的文本、标注的各文本对应的语言特征向量以及标注的各文本对应的韵律边界标识；训练单元，被配置成将不同语言的文本以及标注的各文本对应的语言特征向量作为初始模型的输入，将与输入的不同语言的文本以及标注的各文本对应的语言特征向量对应的韵律边界标识作为期望输出，将训练得到的初始模型的初始韵律预测模型确定为韵律预测模型。
根据本公开的一个或多个实施例，样本获取单元进一步被配置成：获取不同语言的文本以及不同语言的文本的语言特征；根据各语言特征和预设的特征与向量的对应关系，确定各语言特征对应的语言特征向量；获取各语言特征向量所对应的文本对应的韵律边界标识；将不同语言的文本、对应不同语言的文本的各语言特征向量以及各韵律边界标识组合成训练样本。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (5)
1.一种韵律预测方法，包括：
获取目标文本；
确定所述目标文本的语言特征向量；
根据所述目标文本、所述语言特征向量，确定所述目标文本中的韵律边界标识；
基于所述韵律边界标识，确定所述目标文本的韵律，并输出；
所述根据所述目标文本、所述语言特征向量，确定所述目标文本中的韵律边界标识，包括：
根据所述目标文本和所述语言特征向量，确定文本分布及上下文信息；
基于所述文本分布及上下文信息和预训练的韵律预测模型，确定所述目标文本中的韵律边界标识，其中，所述韵律预测模型用于表征文本分布及上下文信息与韵律边界标识的对应关系。
2.根据权利要求1所述的方法，其中，所述确定所述目标文本的语言特征向量，包括：
根据所述目标文本和预训练的分类模型，确定所述目标文本对应的语言标识，其中所述预训练的分类模型用于表征文本与语言标识的对应关系；
根据所述目标文本、所述语言标识和预训练的转换模型，确定所述目标文本对应的语言特征向量，其中，所述预训练的转换模型用于表征基于所述语言标识的文本与语言特征向量的对应关系。
3.一种韵律预测装置，包括：
获取单元，被配置成获取目标文本；
语言特征向量确定单元，被配置成确定所述目标文本的语言特征向量；
韵律边界标识确定单元，被配置成根据所述目标文本和所述语言特征向量，确定文本分布及上下文信息；基于所述文本分布及上下文信息和预训练的韵律预测模型，确定所述目标文本中的韵律边界标识，其中，所述韵律预测模型用于表征文本分布及上下文信息与韵律边界标识的对应关系；
输出单元，被配置成基于所述韵律边界标识，确定所述目标文本的韵律，并输出。
4.一种电子设备，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至少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执行权利要求1或2所述的方法。
5.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1或2所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011321328.5A CN112289305B (zh) | 2020-11-23 | 2020-11-23 | 韵律预测方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011321328.5A CN112289305B (zh) | 2020-11-23 | 2020-11-23 | 韵律预测方法、装置、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112289305A CN112289305A (zh) | 2021-01-29 |
| CN112289305B true CN112289305B (zh) | 2024-08-20 |
Family
ID=74425836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011321328.5A Active CN112289305B (zh) | 2020-11-23 | 2020-11-23 | 韵律预测方法、装置、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112289305B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112802451B (zh) * | 2021-03-30 | 2021-07-09 | 北京世纪好未来教育科技有限公司 | 韵律边界预测方法及计算机存储介质 |
| CN113299274B (zh) * | 2021-05-18 | 2024-03-01 | 平安科技（深圳）有限公司 | 白话文与文言文互译及语音合成方法、装置、设备及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109300468A (zh) * | 2018-09-12 | 2019-02-01 | 科大讯飞股份有限公司 | 一种语音标注方法及装置 |
| CN111292720A (zh) * | 2020-02-07 | 2020-06-16 | 北京字节跳动网络技术有限公司 | 语音合成方法、装置、计算机可读介质及电子设备 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9195656B2 (en) * | 2013-12-30 | 2015-11-24 | Google Inc. | Multilingual prosody generation |
| CN105989833B (zh) * | 2015-02-28 | 2019-11-15 | 讯飞智元信息科技有限公司 | 多语种混语文本字音转换方法及系统 |
| CN107039034B (zh) * | 2016-02-04 | 2020-05-01 | 科大讯飞股份有限公司 | 一种韵律预测方法及系统 |
| US11069335B2 (en) * | 2016-10-04 | 2021-07-20 | Cerence Operating Company | Speech synthesis using one or more recurrent neural networks |
| CN110797005B (zh) * | 2019-11-05 | 2022-06-10 | 百度在线网络技术（北京）有限公司 | 韵律预测方法、装置、设备和介质 |
| CN111754978B (zh) * | 2020-06-15 | 2023-04-18 | 北京百度网讯科技有限公司 | 韵律层级标注方法、装置、设备和存储介质 |
| CN111667816B (zh) * | 2020-06-15 | 2024-01-23 | 北京百度网讯科技有限公司 | 模型训练方法、语音合成方法、装置、设备和存储介质 |
-
2020
- 2020-11-23 CN CN202011321328.5A patent/CN112289305B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109300468A (zh) * | 2018-09-12 | 2019-02-01 | 科大讯飞股份有限公司 | 一种语音标注方法及装置 |
| CN111292720A (zh) * | 2020-02-07 | 2020-06-16 | 北京字节跳动网络技术有限公司 | 语音合成方法、装置、计算机可读介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112289305A (zh) | 2021-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111667816B (zh) | 模型训练方法、语音合成方法、装置、设备和存储介质 | |
| CN111859994B (zh) | 机器翻译模型获取及文本翻译方法、装置及存储介质 | |
| CN107220235B (zh) | 基于人工智能的语音识别纠错方法、装置及存储介质 | |
| CN112365880B (zh) | 语音合成方法、装置、电子设备及存储介质 | |
| CN111192568B (zh) | 一种语音合成方法及语音合成装置 | |
| US11823660B2 (en) | Method, apparatus and device for training network and storage medium | |
| CN112509552B (zh) | 语音合成方法、装置、电子设备和存储介质 | |
| CN112633017B (zh) | 翻译模型训练、翻译处理方法、装置、设备和存储介质 | |
| CN112270920A (zh) | 一种语音合成方法、装置、电子设备和可读存储介质 | |
| CN111754978A (zh) | 韵律层级标注方法、装置、设备和存储介质 | |
| CN111428514A (zh) | 语义匹配方法、装置、设备以及存储介质 | |
| KR102564689B1 (ko) | 대화 감정 스타일의 예측 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품 | |
| CN112289305B (zh) | 韵律预测方法、装置、设备以及存储介质 | |
| CN111709252B (zh) | 基于预训练的语义模型的模型改进方法及装置 | |
| CN110782871B (zh) | 一种韵律停顿预测方法、装置以及电子设备 | |
| CN110767212B (zh) | 一种语音处理方法、装置和电子设备 | |
| CN112365879A (zh) | 语音合成方法、装置、电子设备和存储介质 | |
| CN110797005A (zh) | 韵律预测方法、装置、设备和介质 | |
| CN112382269B (zh) | 音频合成方法、装置、设备以及存储介质 | |
| CN114841274B (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
| US20220375453A1 (en) | Method and apparatus for speech synthesis, and storage medium | |
| CN112309368B (zh) | 韵律预测方法、装置、设备以及存储介质 | |
| CN112397050B (zh) | 韵律预测方法、训练方法、装置、电子设备和介质 | |
| CN111339314A (zh) | 一种三元组数据的生成方法、装置和电子设备 | |
| CN111651988B (zh) | 用于训练模型的方法、装置、设备以及存储介质 |
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 |