CN113936668A - 用于智能语音设备的方法、装置、设备和介质 - Google Patents
用于智能语音设备的方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN113936668A CN113936668A CN202111188936.8A CN202111188936A CN113936668A CN 113936668 A CN113936668 A CN 113936668A CN 202111188936 A CN202111188936 A CN 202111188936A CN 113936668 A CN113936668 A CN 113936668A
- Authority
- CN
- China
- Prior art keywords
- user
- speech rate
- age
- speech
- rate parameter
- 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 49
- 230000004044 response Effects 0.000 claims abstract description 29
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 15
- 230000001815 facial effect Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 abstract description 14
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
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
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
-
- 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
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/18—Artificial neural networks; Connectionist approaches
-
- 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
- G10L21/04—Time compression or expansion
- G10L21/043—Time compression or expansion by changing speed
Landscapes
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供了一种用于智能语音设备的方法、装置、设备和介质,涉及计算机技术领域,尤其涉及人工智能和语音技术。实现方案为:基于用户的生物特征,确定用户的年龄区间;基于年龄区间,选择预设的第一语速参数用于播报语音;响应于识别出用户的身份,基于用户的历史语速记录,调整第一语速参数,以确定第二语速参数,其中,历史语速记录包括智能语音设备在与用户的至少一次交互中,从用户的声纹特征中提取的特定于用户的语速参数;以及基于第二语速参数播报语音。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及人工智能和语音技术,具体涉及一种用于智能语音设备的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
语音合成,又称文语转换(Text to Speech,TTS)技术,它是将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种用于智能语音设备的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种用于智能语音设备的方法,包括:基于用户的生物特征,确定用户的年龄区间;基于年龄区间,选择预设的第一语速参数用于播报语音;响应于识别出用户的身份,基于用户的历史语速记录,调整第一语速参数,以确定第二语速参数,其中,历史语速记录包括智能语音设备在与用户的至少一次交互中,从用户的声纹特征中提取的特定于用户的语速参数;以及基于第二语速参数播报语音。
根据本公开的另一方面,提供了一种用于智能语音设备的装置,包括:第一确定单元,被配置为基于用户的生物特征,确定用户的年龄区间;选择单元,被配置为基于年龄区间,选择预设的第一语速参数用于播报语音;第一调整单元,被配置为响应于识别出用户的身份,基于用户的历史语速记录,调整第一语速参数,其中,历史语速记录包括智能语音设备在与用户的至少一次交互中,从用户的声纹特征中提取的特定于用户的语速参数,以确定第二语速参数;以及播报单元,被配置为基于第二语速参数播报语音。
根据本公开的另一方面,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,这些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上述用于智能语音设备的方法。
根据本公开的另一方面,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,其中,计算机指令用于使计算机执行上述用于智能语音设备的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述用于智能语音设备的方法。
根据本公开的另一方面,提供了一种智能语音设备,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,这些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上述智能语音设备所执行的方法。
根据本公开的一个或多个实施例,可以根据用户的不同年龄段实现对播放语速的调整,同时,也可以实现对同一年龄段的不同用户的播放语速进行个性化调节。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的用于智能语音设备的方法的流程图;
图3示出了根据本公开的实施例的确定用户的年龄区间的流程图;
图4示出了根据本公开的实施例的基于用户的历史语速记录,调整第一语速参数的流程图;
图5示出了根据本公开的实施例的用于智能语音设备的方法的流程图;
图6示出了根据本公开的实施例的基于第三语速参数,确定第二语速参数的流程图;
图7示出了根据本公开的实施例的用于智能语音设备的方法的流程图;
图8示出了根据本公开的实施例的用于智能语音设备的装置的结构框图;
图9示出了根据本公开的实施例的第一确定单元的结构框图;
图10示出了根据本公开的实施例的用于智能语音设备的装置的结构框图;
图11示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
现有智能语音设备仅实现了针对用户的年龄段进行语速调整的功能,但是对于同一年龄段的不同用户,无法实现进一步的个性化语速调整。
为解决上述问题,本公开通过识别用户的年龄段,根据用户的不同年龄段实现对播放语速的调整;同时,提取用户的声纹特征,通过用户历史语速记录实现对同一年龄段的不同用户的播放语速进行个性化调整。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行用于智能语音设备的方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来与客户端设备进行智能语音交互。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的一方面,提供了一种用于智能语音设备的方法。如图2所示,该方法包括:步骤201、基于用户的生物特征,确定用户的年龄区间;步骤202、基于年龄区间,选择预设的第一语速参数用于播报语音;步骤203、响应于识别出用户的身份,基于用户的历史语速记录,调整第一语速参数,以确定第二语速参数,其中,历史语速记录包括智能语音设备在与用户的至少一次交互中,从用户的声纹特征中提取的特定于用户的语速参数;以及步骤204、基于第二语速参数播报语音。
由此,通过识别用户的年龄段,根据用户的不同年龄段实现对播放语速的调整;同时,提取用户的声纹特征,通过用户历史语速记录实现对同一年龄段的不同用户的播放语速进行个性化调整。
语速参数是语音合成中的一项参数,在语音合成过程中,通过调整该参数的大小,调整合成语音的语速快慢。语速参数可以表示为单位时间内播放的字数或播放单位字数所需的时间周期等。可以理解的是,本领域技术人员可以自行设置语速参数的表示形式,在此不做限定。
对于用户身份的识别可以通过对人脸、声纹、指纹、虹膜中的一种或多种生物特征的识别实现。在用户第一次使用智能语音设备时,设备会引导用户进行上述特征的录入,例如,设备通过摄像头录入用户的人脸图像和虹膜图像,通过引导用户朗读一段文字录入用户的语音音频,通过引导用户触摸指纹识别区域录入用户的指纹。设备对所录入的人脸图像、虹膜图像、语音音频和指纹进行特征提取并保存,当进行用户身份识别时,通过识别上述的一种或多种生物特征,与所保存的生物特征进行比对,确定该用户的身份。
智能语音设备识别用户身份后,在与用户的语音交互过程中,设备会对用户的声纹特征进行语速特征的提取,并将用户的语速特征作为一个语速参数值存储于设备中。该语速参数值表示为用户单位时间内的讲话字数或用户说出单位字数所需的时间周期。可以理解的是,本领域技术人员可以自行设置提取用户语速特征的方式以及语速参数值的表示方式,在此不做限定。
根据一些实施例,用于确定用户的年龄区间的生物特征包括用户的人脸特征和声纹特征。可选的,对用户人脸特征的识别主要包括提取皮肤纹理、皮肤颜色、光亮程度和皱纹纹理等,通过神经网络模型对上述人脸特征进行预测,得到用户的年龄的预测值。可选的,对用户声纹特征的识别主要包括声纹频谱、韵律特征等,通过神经网络模型对上述声纹特征进行预测,得到用户的年龄的预测值。可以理解的是,本领域技术人员可以自行选择提取的人脸特征和声纹特征以及所应用的神经网络预测模型,在此不做限定。
根据一些实施例,如图3所示,基于用户的生物特征,确定用户的年龄区间包括:步骤301、基于用户的人脸特征,确定用户的第一预测年龄;步骤302、基于用户的声纹特征,确定用户的第二预测年龄;步骤303、响应于第一预测年龄与第二预测年龄的差值不超过第一阈值,确定用户的年龄为第一预测年龄;步骤304、响应于第一预测年龄与第二预测年龄的差值超过第一阈值,确定用户的年龄为第二预测年龄;以及步骤305、基于所确定的用户年龄,确定用户的年龄区间。
当单独通过人脸特征或声纹特征对用户年龄进行识别时,可能存在较大的误差。因此,在分别通过上述两种特征对用户年龄进行预测后,对比两个预测值的差值,若差值超过第一阈值后,则以声纹特征的预测值作为用户年龄的最终预测值;否则,则以人脸特征的预测值作为用户年龄的最终预测值。可以理解的是,本领域技术人员可以通过实验自行确定第一阈值,在此不做限定。
在确定用户年龄的最终预测值后,即可确定用户对应的年龄区间。该年龄区间是预设于智能语音设备中的,每个预设年龄区间对应一个预设的语速参数。
可选的,通过用户年龄的最终预测值,确定用户对应的年龄区间时,首先判断该用户年龄是否处于该年龄区间的置信区间内,若判断其处于该年龄区间的置信区间,则确定该年龄区间为用户对应的年龄区间;若判断其处于该年龄区间的置信区间外,则触发设备的询问功能,通过语音或屏幕显示询问该用户的年龄是否处于该年龄区间,并基于用户的反馈确定该用户对应的年龄区间。例如,当识别用户年龄为21岁时,判断该用户年龄在预设年龄区间21-30岁的置信区间外,即考虑到所识别的用户年龄存在一定误差,有一定的概率用户的真实年龄对应的预设年龄区间为11-20岁,因此对用户进行询问以进一步提高准确度。
由此,通过对用户的人脸和声纹特征分别进行用户年龄预测,并通过对比两个预测值确定用户的最终年龄预测值,可以进一步提高对用户年龄预测的精确度,从而可以更加准确的确定用户所属年龄区间,从而选择适应于该用户年龄段的设备播放语速。
根据一些实施例,如图4所示,响应于识别出用户的身份,基于用户的历史语速记录,调整第一语速参数包括:步骤S401、响应于识别出用户的身份,读取用户的至少一个历史语速记录;步骤S402、对至少一个历史语速记录进行正态分布拟合,以计算至少一个历史语速记录的正态分布均值;步骤S403、基于正态分布均值,调整第一语速参数。
通过对用户的人脸、声纹、指纹、虹膜中的一种或多种生物特征进行识别,确定用户的身份,并读取存储于设备中的该用户的至少一个历史语速记录。考虑到在日常中,用户与设备进行语音交互时,可能存在语速过快或过慢等偏离用户日常语速的情况。因此,对所读取的该用户的至少一个历史语速记录进行正态分布拟合,并通过预设的置信度,筛除置信度低于预设置信度的历史语速记录,并计算该正态分布均值。
可选的,本领域技术人员也可通过其他类似的方式对偏离用户日常语速记录进行筛除,如通过计算方差或标准差,筛除方差或标准差较大的历史语速记录等,在此不做限定。
由此,通过正态分布拟合等方式将偏离用户日常语速记录筛除,所得用户历史语速记录均值可以更加准确的反应用户的日常语速,应用该均值进行设备语速参数的调整,可以使调整后的设备语速更加符合用户的日常对话习惯。
根据一些实施例,如图5所示,调整第一语速参数的方式还包括:步骤S505、基于用户对于播放语速的设置记录值,调整第一语速参数。用户可以通过人机交互的方式自行设置智能语音设备的播放语速。可选的,用户对设备播放语速的设置记录值也可作为调整第一语速参数的参考项。可选的,用户对设备播放语速的设置记录值可以是用户对设备播放语速的最近一次设置记录值,也可以是对用户过往设置的记录值的均值,在此不作限定。
图5中的步骤S501-步骤S504、步骤506-步骤507与上述实施例类似,在此不做赘述。
根据一些实施例,调整第一语速参数,以确定第二语速参数包括:计算用户的历史语速记录正态分布均值、用户对于播放语速的设置记录值、以及第一语速参数的加权平均值,以确定第三语速参数;以及基于第三语速参数,确定第二语速参数。
通过对上述三个参数值设置不同的权重,计算其加权平均值,以获得第三语速参数。可选的,考虑到用户的使用习惯,可对播放语速的设置记录值设置较大的权重。可以理解的是,本领域技术人员可以通过实验自行确定上述三个参数值的权重,在此不做限定。
可选的,本领域技术人员也可以通过其他方式,实现基于用户的历史语速记录和用户对于播放语速的设置记录值对第一语速参数的调整,在此不作限定。
由此,在根据用户年龄段进行播放语速调整的基础上,通过用户的历史语速记录和用户对于播放语速的设置记录值进一步调整语速参数,可以实现对同一年龄段的不同用户的播放语速进行个性化调整。
根据一些实施例,如图6所示,基于第三语速参数,确定第二语速参数包括:步骤601、响应于第三语速参数与用户对于播放语速的设置记录值的差值不超过第二阈值,将第三语速参数确定为第二语速参数;步骤602、响应于第三语速参数与用户对于播放语速的设置记录值的差值超过第二阈值,将该设置记录值确定为第二语速参数。
将用户对于播放语速的设置记录值与第三语速参数进一步进行比较,若调整所得的第三语速参数与用户设置的播放语速差别较大,考虑到用户的使用习惯,将用于播放语音的第二语速参数设置为用户设置的播放语速;若调整所得的第三语速参数与用户设置的播放语速差别较小,则将用于播放语音的第二语速参数设置为调整所得的第二语速参数。通过上述方法调整所得的语速参数可以更加符合用户需求。
根据一些实施例,如图7所示,调整第一语速参数的方式还包括:步骤704、基于待播报内容的内容类别,调整所述第一语速参数。在日常使用中,智能语音设备会响应于用户的需求,向用户播放知识类内容(如专业知识讲解、菜谱、教程等),这些内容往往需要用户进行理解。因此,在调节设备语速参数时,设备对待播放的内容进行分类识别,当识别待播放内容为知识类内容时,则在上述调整的基础上,适当降低设备语速参数。可以理解的是,本领域技术人员可以通过朴素贝叶斯分类算法、KNN、SVM、最大熵和神经网络等文本分类方法进行待播放内容的分类,在此不做限定。
由此,当播放知识类等需要用户进行理解的内容时,可以适当降低播放语速,有助于用户对播放内容更好的理解。
图7中的步骤S701-步骤S703、步骤706-步骤707与上述实施例类似,在此不做赘述。
根据本公开的另一方面,还提供了一种用于智能语音设备的装置800,如图8所示,包括:第一确定单元810,被配置为基于用户的生物特征,确定用户的年龄区间;选择单元820,被配置为基于年龄区间,选择预设的第一语速参数用于播报语音;第一调整单元830,被配置为响应于识别出用户的身份,基于用户的历史语速记录,调整第一语速参数,其中,历史语速记录包括智能语音设备在与用户的至少一次交互中,从用户的声纹特征中提取的特定于用户的语速参数,以确定第二语速参数;以及播报单元840,被配置为基于第二语速参数播报语音。
用于智能语音设备的装置800的单元810-单元840的操作和上述用于智能语音设备的方法的步骤S201-步骤S204的操作类似,在此不做赘述。
根据一些实施例,第一确定单元被进一步配置为基于用户的人脸特征和声纹特征,确定用户的年龄区间。
根据一些实施例,如图9所示,第一确定单元920包括:第一确定子单元921,被配置为基于用户的人脸特征,确定用户的第一预测年龄;第二确定子单元922,被配置为基于用户的声纹特征,确定用户的第二预测年龄;第三确定子单元923,被配置为响应于第一预测年龄与第二预测年龄的差值不超过第一阈值,确定用户的年龄为第一预测年龄;第四确定子单元924,被配置为响应于第一预测年龄与第二预测年龄的差值超过第一阈值,确定用户的年龄为第二预测年龄;以及第五确定子单元925,被配置为基于所确定的用户的年龄,确定用户的年龄区间。
根据一些实施例,第一调整单元包括:读取子单元,被配置为响应于识别出用户的身份,读取用户的至少一个历史语速记录;第一计算子单元,被配置为对至少一个历史语速记录进行正态分布拟合,以计算至少一个历史语速记录的正态分布均值;以及第一调整子单元,被配置为基于正态分布均值,调整第一语速参数。
根据一些实施例,用于智能语音设备的装置还包括:第二调整单元,被配置为基于所述用户对于播放语速的设置记录值,调整所述第一语速参数。
根据一些实施例,第二调整单元被进一步配置为计算正态分布均值、用户对于播放语速的设置记录值以及第一语速参数的加权平均值,以确定第三语速参数;以及基于第三语速参数,确定第二语速参数。
根据一些实施例,第二调整单元还包括:第六确定子单元,被配置为响应于第三语速参数与用户对于播放语速的设置记录值的差值不超过第二阈值,将第三语速参数确定为第二语速参数;以及第七确定子单元,被配置为响应于第三语速参数与用户对于播放语速的设置记录值的差值超过第二阈值,将该设置记录值确定为第二语速参数。
根据一些实施例,如图10所示,用于智能语音设备的装置1000还包括:第三调整单元1050,被配置为基于待播报内容的内容类别,调整第一语速参数。用于智能语音设备的装置1000的单元1010-单元1040、单元1060、子单元1031-子单元1033、子单元1041-子单元1042的操作和上述操作类似,在此不做赘述。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质、一种计算机程序产品和一种智能语音设备。
参考图11,现将描述可以作为本公开的服务器或客户端的电子设备1100的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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/或者要求的本公开的实现。
如图11所示,设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106、输出单元1107、存储单元1108以及通信单元1109。输入单元1106可以是能向设备1100输入信息的任何类型的设备,输入单元1106可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1107可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1108可以包括但不限于磁盘、光盘。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如用于智能语音设备的方法。例如,在一些实施例中,用于智能语音设备的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的用于智能语音设备的方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于智能语音设备的方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (20)
1.一种用于智能语音设备的方法,包括:
基于用户的生物特征,确定所述用户的年龄区间;
基于所述年龄区间,选择预设的第一语速参数用于播报语音;
响应于识别出所述用户的身份,基于所述用户的历史语速记录,调整所述第一语速参数,以确定第二语速参数,其中,所述历史语速记录包括所述智能语音设备在与所述用户的至少一次交互中,从所述用户的声纹特征中提取的特定于所述用户的语速参数;以及
基于所述第二语速参数播报语音。
2.根据权利要求1所述的方法,其中,所述生物特征包括所述用户的人脸特征和声纹特征。
3.根据权利要求2所述的方法,其中,基于所述用户的生物特征,确定所述用户的所述年龄区间包括:
基于所述用户的所述人脸特征,确定所述用户的第一预测年龄;
基于所述用户的所述声纹特征,确定所述用户的第二预测年龄;
响应于所述第一预测年龄与所述第二预测年龄的差值不超过第一阈值,确定所述用户的年龄为所述第一预测年龄;
响应于所述第一预测年龄与所述第二预测年龄的差值超过第一阈值,确定所述用户的年龄为所述第二预测年龄;以及
基于所确定的所述用户的年龄,确定所述用户的所述年龄区间。
4.根据权利要求1至3中任一项所述的方法,其中,所述响应于识别出所述用户的身份,基于所述用户的历史语速记录,调整所述第一语速参数包括:
响应于识别出所述用户的身份,读取所述用户的至少一个历史语速记录;
对所述至少一个历史语速记录进行正态分布拟合,以计算所述至少一个历史语速记录的正态分布均值;以及
基于所述正态分布均值,调整所述第一语速参数。
5.根据权利要求4所述的方法,还包括:
基于所述用户对于播放语速的设置记录值,调整所述第一语速参数。
6.根据权利要求5所述的方法,其中,所述调整所述第一语速参数,以确定第二语速参数包括:
计算所述正态分布均值、所述设置记录值以及所述第一语速参数的加权平均值,以确定第三语速参数;以及
基于所述第三语速参数,确定所述第二语速参数。
7.根据权利要求6所述的方法,其中,所述基于所述第三语速参数,确定所述第二语速参数包括:
响应于所述第三语速参数与所述设置记录值的差值不超过第二阈值,将所述第三语速参数确定为所述第二语速参数;以及
响应于所述第三语速参数与所述设置记录值的差值超过第二阈值,将所述设置记录值确定为所述第二语速参数。
8.根据权利要求1至3中任一项所述的方法,还包括:
基于待播报内容的内容类别,调整所述第一语速参数。
9.一种用于智能语音设备的装置,包括:
第一确定单元,被配置为基于用户的生物特征,确定所述用户的年龄区间;
选择单元,被配置为基于所述年龄区间,选择预设的第一语速参数用于播报语音;
第一调整单元,被配置为响应于识别出所述用户的身份,基于所述用户的历史语速记录,调整所述第一语速参数,其中,所述历史语速记录包括所述智能语音设备在与所述用户的至少一次交互中,从所述用户的声纹特征中提取的特定于所述用户的语速参数,以确定第二语速参数;以及
播报单元,被配置为基于所述第二语速参数播报语音。
10.根据权利要求9所述的装置,其中,所述生物特征包括所述用户的人脸特征和声纹特征。
11.根据权利要求10所述的装置,其中,所述第一确定单元包括:
第一确定子单元,被配置为基于所述用户的所述人脸特征,确定所述用户的第一预测年龄;
第二确定子单元,被配置为基于所述用户的所述声纹特征,确定所述用户的第二预测年龄;
第三确定子单元,被配置为响应于所述第一预测年龄与所述第二预测年龄的差值不超过第一阈值,确定所述用户的年龄为所述第一预测年龄;
第四确定子单元,被配置为响应于所述第一预测年龄与所述第二预测年龄的差值超过第一阈值,确定所述用户的年龄为所述第二预测年龄;以及
第五确定子单元,被配置为基于所确定的所述用户的年龄,确定所述用户的所述年龄区间。
12.根据权利要求9至11中任一项所述的装置,其中,所述第一调整单元包括:
读取子单元,被配置为响应于识别出所述用户的身份,读取所述用户的至少一个历史语速记录;
第一计算子单元,被配置为对所述至少一个历史语速记录进行正态分布拟合,以计算所述至少一个历史语速记录的正态分布均值;以及
第一调整子单元,被配置为基于所述正态分布均值,调整所述第一语速参数。
13.根据权利要求12所述的装置,还包括:
第二调整单元,被配置为基于所述用户对于播放语速的设置记录值,调整所述第一语速参数。
14.根据权利要求13所述的装置,其中,所述第二调整单元被进一步配置为计算所述正态分布均值、所述设置记录值以及所述第一语速参数的加权平均值,以确定第三语速参数;以及
基于所述第三语速参数,确定所述第二语速参数。
15.根据权利要求14所述的装置,其中,所述第二调整单元还包括:
第六确定子单元,被配置为响应于所述第三语速参数与所述设置记录值的差值不超过第二阈值,将所述第三语速参数确定为所述第二语速参数;以及
第七确定子单元,被配置为响应于所述第三语速参数与所述设置记录值的差值超过第二阈值,将所述设置记录值确定为所述第二语速参数。
16.根据权利要求9至11中任一项所述的装置,还包括:
第三调整单元,被配置为基于待播报内容的内容类别,调整所述第一语速参数。
17.一种电子设备,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1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。
20.一种智能语音设备,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1-8中任一项中所述智能语音设备所执行的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111188936.8A CN113936668A (zh) | 2021-10-12 | 2021-10-12 | 用于智能语音设备的方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111188936.8A CN113936668A (zh) | 2021-10-12 | 2021-10-12 | 用于智能语音设备的方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113936668A true CN113936668A (zh) | 2022-01-14 |
Family
ID=79278990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111188936.8A Pending CN113936668A (zh) | 2021-10-12 | 2021-10-12 | 用于智能语音设备的方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113936668A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117874372A (zh) * | 2024-03-13 | 2024-04-12 | 天津公交易通科技有限公司 | 公交语音播报方法、装置、设备及介质 |
-
2021
- 2021-10-12 CN CN202111188936.8A patent/CN113936668A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117874372A (zh) * | 2024-03-13 | 2024-04-12 | 天津公交易通科技有限公司 | 公交语音播报方法、装置、设备及介质 |
CN117874372B (zh) * | 2024-03-13 | 2024-05-24 | 天津公交易通科技有限公司 | 公交语音播报方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113807440B (zh) | 利用神经网络处理多模态数据的方法、设备和介质 | |
WO2021050170A1 (en) | Reduced training intent recognition techniques | |
CN112579909A (zh) | 对象推荐方法及装置、计算机设备和介质 | |
KR20200126675A (ko) | 전자 장치 및 이의 제어 방법 | |
CN114360531A (zh) | 语音识别方法、控制方法、模型训练方法及其装置 | |
CN113936668A (zh) | 用于智能语音设备的方法、装置、设备和介质 | |
CN114443989A (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN114005452A (zh) | 提取语音特征的方法、装置、电子设备及存储介质 | |
CN114005177A (zh) | 人物交互检测方法、神经网络及其训练方法、设备和介质 | |
CN115600646B (zh) | 语言模型的训练方法、装置、介质及设备 | |
CN113722594B (zh) | 推荐模型的训练方法、推荐方法、装置、电子设备及介质 | |
JP2024507602A (ja) | データ処理方法及び予測モデルをトレーニングするための方法 | |
CN113312511B (zh) | 用于推荐内容的方法、装置、设备和计算机可读存储介质 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
CN114999449A (zh) | 数据处理方法和装置 | |
CN114550269A (zh) | 口罩佩戴检测方法、设备和介质 | |
CN114547252A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN113851147A (zh) | 音频识别方法、音频识别模型训练方法、装置、电子设备 | |
CN113284484B (zh) | 模型训练方法及装置、语音识别方法和语音合成方法 | |
CN113569712B (zh) | 信息交互方法、装置、设备以及存储介质 | |
CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN113889120A (zh) | 声纹特征提取方法、装置、电子设备及存储介质 | |
CN116842156B (zh) | 数据生成方法及装置、设备和介质 |
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 |