KR20210042277A - 음성 처리 방법 및 장치 - Google Patents

음성 처리 방법 및 장치 Download PDF

Info

Publication number
KR20210042277A
KR20210042277A KR1020210040933A KR20210040933A KR20210042277A KR 20210042277 A KR20210042277 A KR 20210042277A KR 1020210040933 A KR1020210040933 A KR 1020210040933A KR 20210040933 A KR20210040933 A KR 20210040933A KR 20210042277 A KR20210042277 A KR 20210042277A
Authority
KR
South Korea
Prior art keywords
audio
information
matching
classification information
audio classification
Prior art date
Application number
KR1020210040933A
Other languages
English (en)
Inventor
지지에 탕
Original Assignee
베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
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 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. filed Critical 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Publication of KR20210042277A publication Critical patent/KR20210042277A/ko

Links

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
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06K9/6267—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • 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
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • 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
    • G10L13/033—Voice editing, e.g. manipulating the voice of the synthesiser

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Signal Processing (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Indexing, Searching, Synchronizing, And The Amount Of Synchronization Travel Of Record Carriers (AREA)

Abstract

본 발명은 음성 처리 방법과 장치를 공개하고, 본 발명은 스마트 음성 인식 분야에 관한 것이다. 구체적인 구현 방안은 하기와 같다. 사용자가 단말기를 통해 송신한 사용자 오디오를 수신하고, 상기 사용자 오디오를 분류하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하며, 상기 오디오 분류 정보와 기설정된 매칭 관계 정보에 따라, 상기 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정하고, 여기서, 상기 매칭 관계 정보는 오디오 분류 정보와 매칭 오디오 분류 정보 사이의 매칭 관계를 표시한다. 상기 실시 형태는 타깃 매칭 오디오 분류 정보를 결정하는 효율을 향상시킨다.

Description

음성 처리 방법 및 장치{METHOD AND DEVICE FOR PROCESSING VOICE}
본 발명은 컴퓨터 기술 분야에 관한 것으로, 구체적으로 음성 기술 분야에 관한 것이다.
인터넷 기술의 발전으로, 사람과 사람 사이의 사교 행위는 더이상 오프라인에서 마주하는 사교에만 국한되지 않고, 네트워크를 통해 점차 문자, 사진, 음성, 비디오 등 다양한 인터랙션 형식으로 사교하기 시작하고 있다. 그 중에서, 사운드는 매우 좋은 감정 표현 도구로서, 사교에서 천연적인 정서 우세를 갖고 있다. 사진, 문자 등 캐리어에 비해, 사운드는 더 따뜻하다. 상이한 어투, 억양, 말하는 속도 등은 사운드가 감정을 더 쉽게 직접적으로 표현할 수 있도록 한다. 현 단계에서, 인터넷에는 대량의 사운드 애호가, 흔히 "사운드 마니아"라고 불리우는 사람들이 등장하고 있다. 일반적으로 그들은 듣기 좋은 사운드에 특수한 콤플렉스가 있으며, 상이한 사운드 애호가는 또 상이한 타입의 사운드에 대해 상이한 기호가 있고, 상이한 사운드는 또한 그들의 마음속에서 상이한 매력 지수를 갖고 있다. 사운드는 출력 효율이 상대적으로 낮은 하나의 정보 전송 매체이므로, 소리 애호가가 네트워크에서 자신이 좋아하는 사운드를 찾아내기 매우 어렵다. 따라서, "사운드 매니아"인 사람들이 자신이 좋아하는 사운드를 신속하고 고효율적으로 매칭하도록 도와주는 것은 매우 가치있는 일이다.
본 발명은 음성 처리 방법, 장치, 기기 및 저장 매체를 제공한다.
본 발명의 제1 양태에 따르면, 음성 처리 방법을 제공하되, 사용자가 단말기를 통해 송신한 사용자 오디오를 수신하는 단계; 상기 사용자 오디오를 분류하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하는 단계; 및 상기 오디오 분류 정보와 기설정된 매칭 관계 정보에 따라, 상기 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정하는 단계를 포함하고, 상기 매칭 관계 정보는 오디오 분류 정보와 매칭 오디오 분류 정보 사이의 매칭 관계를 표시한다.
본 발명의 제2 양태에 따르면, 음성 처리 장치를 제공하되, 사용자가 단말기를 통해 송신한 사용자 오디오를 수신하도록 구성되는 수신 유닛; 상기 사용자 오디오를 분류하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하도록 구성되는 분류 유닛; 및 상기 오디오 분류 정보와 기설정된 매칭 관계 정보에 따라, 상기 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정하도록 구성되는 결정 유닛을 포함하고, 상기 매칭 관계 정보는 오디오 분류 정보와 매칭 오디오 분류 정보 사이의 매칭 관계를 표시한다.
본 발명의 제3 양태에 따르면, 적어도 하나의 프로세서; 및 상기 적어도 하나의 프로세서와 통신 연결되는 메모리를 포함하는 전자 기기를 제공하되, 상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행될 경우, 상기 적어도 하나의 프로세서가 제1 양태 중 어느 하나에 따른 방법을 수행할 수 있도록 한다.
본 발명의 제4 양태에 따르면, 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능 저장 매체를 제공하되, 상기 컴퓨터 명령은 상기 컴퓨터가 제1 양태 중 어느 하나에 따른 방법을 수행하도록 한다.
본 발명의 제5 양태에 따르면, 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램을 제공하되, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우 제1 양태 중 어느 하나에 따른 방법을 수행하도록 한다.
본 발명의 기술에 따르면, 사용자 오디오의 오디오 분류 정보와 매칭 관계 정보에 기반하여, 오디오 분류 정보에 대칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정함으로써, 타깃 매칭 오디오 분류 정보를 결정하는 효율을 향상시킨다.
본 부분에서 설명되는 내용은 본 발명의 실시예의 핵심적이거나 중요한 특징을 식별하기 위한 것이 아니며, 본 발명의 범위를 제한하려는 의도도 아님을 이해해야 한다. 본 발명의 기타 특징은 하기의 명세서에 의해 쉽게 이해될 것이다.
도면은 본 수단에 대한 이해를 돕기 위한 것이고, 본 발명을 한정하기 위함이 아니다. 여기서:
도 1은 본 발명에 따른 음성 처리 방법의 일 실시예의 흐름도이다.
도 2는 본 발명에 따른 음성 처리 방법의 일 응용 장면의 모식도이다.
도 3은 본 발명에 따른 음성 처리 방법의 다른 실시예의 흐름도이다.
도 4는 본 발명에 따른 음성 처리 장치의 일 실시예의 구조 모식도이다.
도 5는 본 발명의 실시예의 음성 처리 방법을 구현하는 전자 기기의 블록도이다.
아래 도면과 결부시켜 본 발명의 예시적 실시예를 설명하고, 여기에는 이해를 돕기 위한 본 발명의 실시예의 다양한 세부사항들이 포함되지만, 이들은 단지 예시적인 것으로 이해해야 한다. 따라서, 본 기술분야의 통상의 기술자는 본 발명의 범위 및 정신을 벗어나지 않는 전제 하에 여기서 설명된 실시예에 대해 다양한 변형 및 수정을 진행할 수 있음을 이해해야 한다. 마찬가지로, 명확 및 간략을 위해, 아래의 설명에서 공지 기능 및 구조에 대한 설명을 생략한다.
모순되지 않는 한 본 발명의 실시예 및 실시예의 특징은 서로 조합될 수 있음을 유의해야 한다. 아래 첨부 도면을 참조하고 실시예를 참조하여 본 발명을 상세히 설명하기로 한다.
도 1을 참조하면, 이는 본 발명에 따른 음성 처리 방법의 일 실시예의 흐름(100)을 도시한다. 상기 음성 처리 방법은 하기와 같은 단계를 포함한다.
단계(S101)에서, 사용자가 단말기를 통해 송신한 사용자 오디오를 수신한다.
본 실시예에서, 음성 처리 방법의 수행 주체(예를 들어 서버)는 유선 연결 방식 또는 무선 연결 방식을 통해 사용자가 사용하는 단말기로부터 사용자 오디오를 수신할 수 있다. 여기서, 사용자 오디오는 사용자가 내보낸 한 토막의 오디오일 수 있다. 예를 들어, 사용자 오디오는 임의로 말하거나 노래한 한 토막의 사운드일 수 있고, 사용자가 기설정 텍스트를 읽으며 내보낸 사운드일 수도 있으며, 사용자가 기설정 노래를 부르며 내보낸 사운드 등일 수 있다.
일반적으로, 사용자는 단말기가 설치한 오디오 수집 기기(예를 들어, 마이크, 마이크 어레이 등)을 이용하여 오디오를 녹음할 수 있다. 녹음이 완료된 후, 단말기는 녹음된 사용자 오디오를 서버에 송신할 수 있다. 여기서, 서버는 다양한 서비스를 제공하는 서버일 수 있다. 예를 들어, 단말기가 송신한 사용자 오디오 등 데이터에 대해 분석 등 처리를 진행하고, 처리 결과에 기반하여 단말기에 정보를 푸시하는 서버이다.
단계(S102)에서,사용자 오디오를 분류하여, 사용자 오디오의 오디오 분류 정보를 획득한다.
본 실시예에서, 수행 주체는 단계(S101)에서 수신된 사용자 오디오를 분류하여, 사용자 오디오의 오디오 분류 정보를 획득할 수 있다. 여기서, 오디오 분류 정보는 성별과 사운드 타입을 포함할 수 있다. 여기서, 성별은 남과 여를 포함할 수 있다. 사운드 타입은 음색의 분류를 가리킬 수 있고, 예를 들어, 사운드 타입은 귀여운 남자 아이 소리, 젊은이 소리, 아저씨 소리, 귀여운 여자 아이 소리, 소녀 소리, 성숙된 여자 소리 등을 포함할 수 있다. 여기서, 귀여운 남자 아이 소리는 어린 남자 아이 소리를 가리킬 수 있고, 젊은이 소리는 청소년의 소리를 가리킬 수 있으며, 아저씨 소리는 나이가 많은 남성의 소리를 가리킬 수 있고, 귀여운 여자 아이 소리는 어린 여자 아이 소리를 가리킬 수 있으며, 소녀 소리는 묘령의 소녀 소리일 수 있고, 성숙된 여자 소리는 나이가 많은 여성의 소리일 수 있다.
실제 구현에서, 수행 주체는 다양한 방식을 사용하여 분석해 획득한 사용자 오디오의 오디오 분류 정보일 수 있다. 예시로서, 수행 주체는 다양한 방식을 통해 사용자 오디오의 성별을 결정할 수 있고, 예를 들어, 사용자 오디로를 머신 러닝 알고리즘에 기반한 트레이닝에 입력하여 음성 성별 분류 모델을 획득하여, 사용자 오디오의 성별을 획득할 수 있다. 여기서, 음성 성별 분류 모델은 대량의 트레이닝 데이터에 의해 트레이닝하여 획득한 것일 수 있고, 입력된 음성에 따라 상기 음성에 대응되는 발성자의 성별을 예측한다. 수행 주체는 다양한 방식을 사용하여, 사용자 오디오에 따라 사용자의 나이를 식별하고, 사용자 나이에 기반하여 사운드 타입을 결정할 수도 있다. 이어서, 수행 주체는 사용자 오디오의 성별과 사운드 타입을 사용자 오디오의 오디오 분류 정보로 할 수 있다.
이해할 수 있는 것은, 분류의 정확성을 보장하기 위해, 사용자 오디오를 분류하기 전에 사용자 오디오에 대해, 잡음 감소, 공백 제거 등과 같은 사전 처리를 진행할 수도 있다.
본 실시예의 일부 선택 가능한 구현 형태에서, 단계(S102)는 구체적으로, 사용자 오디오를 미리 구축한 오디오 분류 모델에 입력하여, 사용자 오디오의 오디오 분류 정보를 획득할 수 있다.
본 구현 형태에서, 수행 주체 내부에는 미리 구축한 오디오 분류 모델이 저장될 수 있다. 여기서, 오디오 분류 모델은 오디오 정보와 오디오 분류 정보 사이의 대응 관계를 표시할 수 있다. 오디오 분류 모델은 입력된 오디오 정보에 따라, 오디오 분류 정보를 출력할 수 있다. 예시로서, 오디오 분류 모델은 머신 러닝 알고리즘에 의해 트레이닝하여 획득한 분류 모델일 수 있다. 이렇게, 수행 주체는 단계(S101)에서 수신된 사용자 오디오을 오디오 분류 모델에 입력하고, 오디오 분류 모델에 의해 출력된 오디오 분류 정보를 사용자 오디오의 오디오 분류 정보로 할 수 있다.
예시로서, 상기 오디오 분류 모델을 트레이닝하는 수행 주체는 상기 음성 처리 방법의 수행 주체와 동일할 수 있고, 상이할 수도 있다. 상기 오디오 분류 모델은 하기 방식을 통해 트레이닝하여 획득한 것일 수 있다.
우선, 트레이닝 샘플 집합을 획득한다. 여기서, 트레이닝 샘플 집합 중의 트레이닝 샘플은 샘플 오디오와 샘플 오디오에 대응되는 샘플 오디오 분류 정보를 포함할 수 있다.
다음, 트레이닝 샘플 집합 중의 트레이닝 샙플의 샘플 오디오를 입력으로 하고, 입력된 샘플 오디오에 대응되는 샘플 오디오 분류 정보를 원하는 출력으로 하며, 트레이닝하여 오디오 분류 모델을 획득한다.
이해할 수 있는 것은, 오디오 분류 모델의 분류 정확도를 향상시키기 위해, 오디오 분류 모델의 사용 단계에서, 하기 모델 업데이트 단계를 진행할 수 있다. 1) 오디오 분류 모델이 입력 오디오에 대해 출력한 오디오 분류 정보를 표시한다. 2) 기술자가 표시된 오디오 분류 정보에 대해 입력한 교정 정보를 수신한다. 3) 입력 오디오와 교정 정보를 사용하여 트레이닝 샘플을 구성하고, 상기 트레이닝 샘플을 사용하여 오디오 분류 모델을 더 훈련시킨다.
본 구현 형태에 따르면, 수행 주체는 미리 훈련된 오디오 분류 모델에 기반하여, 사용자 오디오의 오디오 분류 정보를 획득할 수 있다. 오디오 분류 정보는 대량의 트레이닝 샘플 트레이닝에 의해 트레이닝하여 획득한 것이므로, 획득한 오디오 분류 정보가 더욱 정확하도록 할 수 있다.
단계(S103)에서, 오디오 분류 정보와 기설정된 매칭 관계 정보에 따라, 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정한다.
본 실시예에서, 수행 주체 내부에는 기설정된 매칭 관계 정보가 미리 저장될 수 있다. 여기서, 상기 매칭 관계 정보는 오디오 분류 정보와 매칭 오디오 분류 정보 사이의 매칭 관계를 표시할 수 있다. 예시로서, 상기 매칭 관계 정보는 오디오 분류 정보와 매칭 오디오 분류 정보, 및 오디오 분류 정보와 매칭 오디오 분류 정보에 대응되는 오디오 사이의 매칭도를 포함할 수 있다. 여기서, 어느 한 매칭 관계 정보 중의 매칭 오디오 분류 정보는 상기 매칭 관계 정보 중 오디오 분류 정보와 매칭을 진행하는 오디오 분류 정보를 가리킬 수 있다. 예를 들어, 어느 한 매칭 관계 정보 중의 오디오 분류 정보가 "남, 젊은이 소리"라고 예를 들면, 상기 오디오 분류 정보와 매칭을 진행하는 매칭 오디오 분류 정보는 "여, 소녀 소리", "여, 귀여운 여자 아이 소리", "여, 성숙된 여자 소리", "남, 젊은이 소리", "남, 귀여운 남자 아이 소리", "남, 아저씨 소리" 등과 같은 다양한 오디오 분류 정보를 포함할 수 있다. 여기서, 어느 한 오디오 분류 정보에 대응되는 오디오는 분류하여 획득한 오디오 분류 정보가 상기 오디오 분류 정보와 동일한 오디오를 가리킬 수 있다. 오디오 분류 정보와 매칭 오디오 분류 정보에 대응되는 오디오 사이의 매칭도는 오디오 분류 정보와 매칭 오디오 분류 정보에 대응되는 오디오가 매칭되는 정도를 표시할 수 있다. 예시로서, 매칭도는 수치 형식일 수 있다. 일반적으로, 두 개의 오디오의 매칭도가 높을수록, 오디오 분류 정보에 대응되는 발성자가 매칭 오디오 분류 정보에 대응되는 오디오를 좋아할 가능성이 더 높다는 것을 나타낸다. 예시로서, 매칭 관계 정보 중의 매칭도는 다양한 방식을 통해 결정된 것일 수 있고, 예를 들어, 기술자가 대량의 오디오 분류 정보에 대응되는 오디오의 발성자 사이의 인터랙션 인터랙션 행위의 통계에 기반하여 결정한 것일 수 있다.
이렇게, 수행 주체는 단계(S102)에 의해 획득한 오디오 분류 정보와 매칭 관계 정보에 따라, 단계(S102)에 의해 획득한 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정할 수 있다. 예를 들어, 수행 주체는 단계(S102)에 의해 획득한 오디오 분류 정보에 대응되는 오디오와의 매칭도가 기설정 조건을 만족하는, 예를 들어, 기설정 임계값을 초과하는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정할 수 있다.
본 실시예의 일부 선택 가능한 구현 형태에서, 상기 음성 처리 방법은 도 1에 도시되지 않은 하기와 같은 단계를 더 포함할 수 있다. 상기 타깃 매칭 오디오 분류 정보에 기반하여, 상기 단말기에 설치된 기설정 클라이언트가 재생하는 음성의 음색을 결정한다.
본 구현 형태에서, 수행 주체는 결정된 타깃 매칭 오디오 분류 정보에 기반하여, 사용자가 사용한 단말기가 설치한 기설정 클라이언트에 의해 재생되는 음성의 음색을 결정할 수 있다. 예를 들어, 사용자가 사용한 단말기에 음성과 관련된 다양한 클라이언트, 예를 들어, 음성 조수, 음성 비서 등이 설치될 수 있고, 이러한 클라이언트는 음성을 재생할 수 있다. 수행 주체는 타깃 매칭 음성 분류 정보에 따라, 단말기가 설치한 이러한 클라이언트가 음성을 재생하는 음색을 조절할 수 있다. 본 구현 형태를 통해, 타깃 매칭 오디오 분류 정보에 따라, 사용자가 사용한 단말기가 설치한 기설정 클라이언트에 의해 재생되는 음성의 음색을 결정할 수 있어, 클라이언트에 의해 재생되는 음성의 음색이 사용자 수요를 더 만족시키도록 하고, 개성화의 음성 재생을 구현한다.
본 실시예의 일부 선택 가능한 구현 형태에서, 상기 음성 처리 방법은 도 1에 도시되지 않은 하기와 같은 단계를 더 포함할 수 있다.
우선, 오디오 분류 정보와 매칭 관계 정보에 기반하여, 오디오 분류 정보와의 매칭도가 기설정 조건을 만족하는 매칭 오디오 분류 정보를 표시할 매칭 오디오 분류 정보로 결정한다.
본 구현 형태에서, 수행 주체는 단계(S102)에서 결정된 오디오 분류 정보와 매칭 관계 정보에 기반하여, 오디오 분류 정보와의 매칭도가 기설정 조건을 만족하는 매칭 오디오 분류 정보를 표시할 매칭 오디오 분류 정보로 결정할 수 있다. 예시로서, 수행 주체는 매칭 관계 정보 중의, 단계(S102)에서 결정된 오디오 분류 정보와의 매칭도가 가장 높은 매칭 오디오 분류 정보를 표시할 매칭 오디오 분류 정보로 할 수 있다.
다음, 단말기에 표시할 매칭 오디오 분류 정보를 송신하여, 단말기가 사용자에게 표시하도록 한다.
본 구현 형태에서, 수행 주체는 단말기에 표시할 매칭 오디오 분류 정보를 송신하여, 단말기가 사용자에게 표시하도록 할 수 있다. 예시로서, 표시할 매칭 오디오 분류 정보를 송신할 경우, 베스트 CP(Coupling, 커플링), 베스트 조합 등과 같은 기설정된 용어와 결합할 수도 있고, 표시할 매칭 오디오 분류 정보가 "여, 소녀 소리"임을 예로 들면, 수행 주체는 단말기에 "베스트 CP: 소녀 소리"라는 정보를 송신할 수 있다. 이해할 수 있는 것은, 수행 주체는 단말기에 표시할 매칭 오디오 분류 정보를 송신하는 이외에도, 기설정된 용어(예를 들어, 메인 음색, 당신의 음색 음색 등)를 결합하여, 단말기에 단계(S102)에서 결정된 오디오 분류 정보를 송신할 수 있고, 단계(S102)에서 결정된 오디오 분류 정보가 "남, 젊은이 소리"임을 예로 들면, 수행 주체는 단말기에 "당신의 음색은: 젊은이 소리"라는 정보를 송신할 수 있다. 본 구현 형태를 통하여, 수행 주체는 단말기에 표시할 매칭 오디오 분류 정보를 송신할 수 있어, 단말기를 사용하여, 기설정 조건을 만족하는 표시할 매칭 오디오 분류 정보를 표시하여 사용자가 볼 수 있도록 한다.
본 실시예의 일부 선택 가능한 구현 형태에서, 상기 음성 처리 방법은 도 1에 도시되지 않은 하기와 같은 단계를 더 포함할 수 있다.
우선, 사용자 오디오와 기설정된 타깃 인물 오디오 집합 중의 타깃 인물 오디오의 유사도를 결정한다.
본 구현 형태에서, 수행 주체 내부에는 타깃 인물 오디오 집합이 미리 저장될 수 있고, 여기서, 타깃 인물 오디오 집합에는 적어도 한 명의 타깃 인물의 오디오가 포함될 수 있다. 여기서, 타깃 인물은 기설정된 인물일 수 있고, 예를 들면, 타깃 인물은 연예인일 수 있다. 이렇게 수행 주체는 단계(S101)에서 수신한 사용자 오디오와 타깃 인물 오디오 집합 중의 각 타깃 인물 오디오의 유사도를 산출할 수 있다. 예시로서, 수행 주체는 사용자 오디오와 각 타깃 인물 오디오의 오디오 특징을 각각 추출한 다음, 사용자 오디오의 오디오 특징과 각 타깃 인물 오디오의 오디오 특징 사이의의 유사도를 산출하여, 사용자 오디오와 각 타깃 인물 오디오 사이의 유사도를 획득할 수 있다.
다음, 유사도에 따라, 적어도 한 명의 타깃 인물에서 타깃 인물을 선택하여 유사 인물로 한다.
본 구현 형태에서, 수행 주체는 사용자 오디오와 각 타깃 인물 오디오의 유사도에 따라, 적어도 한 명의 타깃 인물에서 하나 또는 복수 명의 타깃 인물을 선택하여 유사 인물로 할 수 있다. 예를 들어, 수행 주체는 산출하여 획득한 복수 개의 유사도를 큰 것에서 작은 것의 순서로 배열하고, 앞의 기설정 위치(예를 들어 첫 번째 위치)에 배열된 유사도에 대응되는 타깃 인물 오디오에 대응되는 타깃 인물을 유사 인물로 할 수 있다. 여기서, 어느 한 유사도에 대응되는 타깃 인물 오디오는 상기 유사도를 산출할 때 사용된 타깃 인물 오디오일 수 있다.
마지막으로, 단말기에 유사 인물의 명칭을 송신한다.
본 구현 형태에서, 수행 주체는 선택된 유사 인물의 명칭을 단말기에 송신하여, 단말기가 사용자에게 표시할 수 있도록 할 수 있다. 유사 인물의 명칭이 "장삼"임을 예로 들면, 단말기는 "유사 인물: 장삼"이라는 정보를 표시할 수 있다. 본 구현 형태를 통해 수행 주체는 단말기에 사용자 오디오와 유사한 타깃 인물 오디오에 대응되는 타깃 인물의 명칭을 푸시하여, 단말기가 사용자에게 그 사운드와 유사한 타깃 인물의 명칭을 보여주도록 할 수 있다.
계속하여 도 2를 참조하면, 도 2는 본 발명의 실시예에 따른 음성 처리 방법의 응용 장면의 일 모식도이다. 도 2의 응용 장면에서, 단말기(201)가 사용자가 송신한 오디오를 수신한 후, 사용자 오디오를 서버(202)에 송신할 수 있다. 다음, 서버(202)는 수신된 사용자 오디오를 분류하여, 사용자 오디오의 오디오 분류 정보 "남, 젊은이 소리"를 획득할 수 있다. 다음, 서버(202)는 오디오 분류 정보 "남, 젊은이 소리" 및 기설정된 매칭 관계 정보에 따라, 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정한다.
본 발명의 상시 실시예에서 제공되는 방법은, 사용자 오디오의 오디오 분류 정보와 매칭 관계 정보에 기반하여, 오디오 분류 정보에 대칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정함으로써, 타깃 매칭 오디오 분류 정보를 결정하는 효율을 향상시킨다。
또한, 도 3을 참조하면, 이는 음성 처리 방법의 다른 실시예의 흐름(300)을 도시한다. 상기 음성 처리 방법의 흐름(300)은 하기와 같은 단계를 포함한다.
단계(S301)에서, 사용자가 단말기를 통해 송신한 사용자 오디오를 수신한다.
본 실시예에서, 단계(S301)은 도 1에 도시된 실시예의 단계(S101)과 유사하므로, 여기서 더이상 설명하지 않는다.
단계(S302)에서, 사용자 오디오를 분류하여, 사용자 오디오의 오디오 분류 정보를 획득한다.
본 실시예에서, 단계(S302)는 도 1에 도시된 실시예의 단계(S102)와 유사하므로, 여기서 더이상 설명하지 않는다.
단계(S303)에서, 오디오 분류 정보와 기설정된 매칭 관계 정보에 따라, 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정한다.
본 실시예에서, 단계(S303)은 도 1에 도시된 실시예의 단계(S103)과 유사하므로, 여기서 더이상 설명하지 않는다.
단계(S304)에서, 타깃 매칭 오디오 분류 정보에 따라, 기설정된 오디오 정보 집합에서 적어도 하나의 오디오 정보를 타깃 오디오 정보로 결정한다.
본 실시예에서, 수행 주체 내부에는 오디오 정보 집합이 미리 저장될 수 있다. 이렇게 수행 주체는 타깃 매칭 오디오 분류 정보에 따라, 기설정된 오디오 정보 집합에서 적어도 하나의 오디오 정보를 타깃 오디오 정보로 결정할 수 있다. 여기서, 오디오 정보 집합 중의 오디오 정보에는 오디오 분류 정보가 라벨링된다. 일 예시로, 오디오 정보 집합 중 오디오 분류 정보가 타깃 매칭 오디오 분류 정보와 동일한 오디오 정보를 선택하여 타깃 오디오 정보로 할 수 있다. 다른 예시로, 단계(S302)에서 결정된 오디오 분류 정보와 매칭 오디오 분류 정보에 대응되는 오디오 사이의 매칭도에 따라, 오디오 정보 집합에서 복수 개의 오디오 정보를 결정하여 타깃 오디오 정보로 할 수 있다. 예를 들어, 매칭도에 따라, 비율에 따라 오디오 정보 집합에서 상이한 오디오 분류 정보에 대응되는 오디오를 선택하고, 예를 들어, 매칭도가 높을 수록 선택된 비율이 더 높다.
단계(S305)에서, 타깃 오디오 정보를 단말기에 푸시한다.
본 실시예에서, 수행 주체는 단계(S304)에서 결정된 타깃 오디오 정보를 단말기에 푸시하여, 단말기를 사용하는 사용자가 재생하도록 할 수 있다.
단계(S306)에서, 단말기가 송신한, 푸시된 오디오 정보에 대한 사용자의 동작 정보를 수신한다.
본 실시예에서, 수행 주체는 단말기가 송신한, 푸시된 오디오 정보에 대한 사용자의 동작 정보를 수신할 수 있다. 여기서, 푸시된 오디오 정보에 대한 사용자의 동작은, 좋아요, 구독, 전체 재생, 여러 번 재생, 오디오 정보의 발성자와의 인터랙션 등을 포함할 수 있다.
단계(S307)에서, 동작 정보에 기반하여, 매칭 관계 정보 중의 매칭도를 조절한다.
본 실시예에서, 수행 주체는 단계(S306)에서 수신된 동작 정보에 기반하여, 매칭 관계 정보 중의 매칭도를 조절하여, 상기 사용자에 대한 매칭 관계 정보를 획득할 수 있다. 일반적으로, 사용자가 어느 한 오디오 정보에 대해 좋아요, 구독, 전체 재생, 여러번 재생 등 동작을 수행하면, 상기 오디오 정보가 사용자의 수요에 부합된다는 것을 표시한다. 이때, 매칭 관계 정보 중의, 사용자 오디오의 오디오 분류 정보와 상기 오디오 정보의 오디오 분류 정보 사이의 매칭도를 기설정값만큼 높일 수 있다. 사용자가 어느 한 오디오 정보에 대해 조회하고 재생하지 않고, 재생 중 종료 등 동작을 수행하면, 상기 오디오 정보가 사용자의 수요에 부합되지 않는다는 것을 표시한다. 이때, 매칭 관계 정보 중의, 사용자 오디오의 오디오 분류 정보와 상기 오디오 정보의 오디오 분류 정보 사이의 매칭도를 기설정값만틈 낮출 수 있다. 예시로서, 수행 주체는 푸시된 각 종류의 오디오 분류 정보에 대응되는 오디오 정보의 완전한 재생률을 통계하고, 완전한 재생률에 따라 사용자 오디오의 오디오 분류 정보와 상기 오디오 분류 정보 사이의 매칭도를 조절할 수도 있다. 예를 들어, 완전한 재생률이 높을수록 조절되는 값이 크다.
도 3으로부터 보아낼 수 있다시피, 도 1에 대응되는 실시예에 비해, 본 실시예 중의 음성 처리 방법의 흐름(300)은 단말기에 타깃 오디오 정보를 푸시하고, 푸시된 오디오 정보에 대한 사용자의 동작 정보에 기반하여 매칭 관계 정보 중의 매칭도를 조절하는 단계를 강조하였다. 이로부터, 본 실시예가 설명하는 수단은 사용자의 행위에 따라 매칭 관계 정보 중의 매칭도를 조절할 수 있어, 매칭 관계 정보가 사용자의 기호에 더 부합되도록 하고, 후속적으로 푸시되는 정보가 사용자의 수요를 더 만족시키도록 한다.
또한, 도 4를 참조하면, 상기 각 도면에 도시된 방법의 구현으로서, 본 발명은 음성 처리 장치의 일 실시예를 제공하고, 상기 장치 실시예는 도 1에 도시된 방법 실시예와 대응되며, 상기 장치는 구체적으로 다양한 전자 기기에 응용될 수 있다.
도 4에 도시된 바와 같이, 본 실시예의 음성 처리 장치(400)는 수신 유닛(401), 분류 유닛(402) 및 결정 유닛(403)을 포함한다. 여기서, 수신 유닛(401)은 사용자가 단말기를 통해 송신한 사용자 오디오를 수신하도록 구성되고, 분류 유닛(402)은 상기 사용자 오디오를 분류하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하도록 구성되며, 결정 유닛(403)은 상기 오디오 분류 정보와 기설정된 매칭 관계 정보에 따라, 상기 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정하도록 구성되고, 여기서, 상기 매칭 관계 정보는 오디오 분류 정보와 매칭 오디오 분류 정보 사이의 매칭 관계를 표시한다.
본 실시예에서, 음성 처리 장치(400)의 수신 유닛(401), 분류 유닛(402) 및 결정 유닛(403)의 구체적은 처리 및 이가 가져다주는 기술적 효과는 도 1의 대응 실시예 중의 단계(S101), 단계(S102) 및 단계(S103)의 관련 설명을 각각 참조할 수 있고, 여기서 더이상 설명하지 않는다.
본 실시예의 일부 선택 가능한 구현 형태에서, 상기 장치(400)는, 상기 타깃 매칭 오디오 분류 정보에 기반하여, 상기 단말기에 설치된 기설정 클라이언트가 재생하는 음성의 음색을 결정하도록 구성되는 음색 결정 유닛(미도시)을 더 포함한다.
본 실시예의 일부 선택 가능한 구현 형태에서, 상기 장치(400)는, 상기 타깃 매칭 오디오 분류 정보에 따라, 기설정된 오디오 정보 집합에서 적어도 하나의 오디오 정보를 타깃 오디오 정보로 결정하도록 구성되는 정보 결정 유닛(미도시); 및 상기 타깃 오디오 정보를 상기 단말기에 푸시하도록 구성되는 푸시 유닛(미도시)을 더 포함한다.
본 실시예의 일부 선택 가능한 구현 형태에서, 상기 매칭 관계 정보는, 오디오 분류 정보와 매칭 오디오 분류 정보, 및 오디오 분류 정보와 매칭 오디오 분류 정보에 대응되는 오디오 사이의 매칭도를 포함하고, 상기 장치(400)는 상기 단말기가 송신한, 푸시된 오디오 정보에 대한 사용자의 동작 정보를 수신하도록 구성되는 정보 수신 유닛(미도시); 및 상기 동작 정보에 기반하여, 상기 매칭 관계 정보 중의 매칭도를 조절하도록 구성되는 조절 유닛(미도시)을 더 포함한다.
본 실시예의 일부 선택 가능한 구현 형태에서, 상기 분류 유닛(402)은 또한, 상기 사용자 오디오를 미리 구축한 오디오 분류 모델에 입력하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하도록 구성되고, 여기서, 상기 오디오 분류 모델은 오디오 정보와 오디오 분류 정보 사이의 대응 관계를 표시한다.
본 실시예의 일부 선택 가능한 구현 형태에서, 상기 장치(400)는, 상기 오디오 분류 정보와 상기 매칭 관계 정보에 기반하여, 상기 오디오 분류 정보와의 매칭도가 기설정 조건을 만족하는 매칭 오디오 분류 정보를 표시할 매칭 오디오 분류 정보로 결정하도록 구성되는 정보 결정 유닛(미도시); 및 상기 단말기에 상기 표시할 매칭 오디오 분류 정보를 송신하여, 상기 단말기가 상기 사용자에게 표시하도록 구성되는 정보 푸시 유닛(미도시)을 더 포함한다.
본 실시예의 일부 선택 가능한 구현 형태에서, 상기 장치(400)는, 상기 사용자 오디오와 기설정된 타깃 인물 오디오 집합 중의 타깃 인물 오디오의 유사도를 결정하도록 구성되는 유사도 결정 유닛(미도시), 여기서, 상기 타깃 인물 오디오 집합은 적어도 한 명의 타깃 인물의 오디오를 포함하고; 상기 유사도에 따라, 상기 적어도 한 명의 타깃 인물에서 타깃 인물을 선택하여 유사 인물로 하도록 구성되는 선택 유닛(미도시); 및 상기 단말기에 상기 유사 인물의 명칭을 송신하도록 구성되는 명칭 송신 유닛(미도시)을 더 포함한다.
본 발명의 실시예에 따르면, 본 발명은 전자 기기와 판독 가능 저장 매체를 더 제공한다.
도 5에 도시된 바와 같이, 본 발명의 실시예에 따른 음성 처리 방법의 전자 기기의 블록도이다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 운영 플랫폼, 개인 정보 단말기, 서버, 블레이드 서버, 대형 컴퓨터, 및 다른 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 의미한다. 전자 기기는 개인 디지털 처리, 셀룰러폰, 스마트폰, 웨어러블 기기 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 이동 장치를 의미할 수도 있다. 본문에서 나타낸 부재, 이들의 연결과 관계, 및 이들의 기능은 단지 예시적인 것으로, 본문에서 설명 및/또는 요구된 본 발명의 구현을 한정하지 않는다.
도 5에 도시된 바와 같이, 상기 전자 기기는 하나 또는 다수의 프로세서(501), 메모리(502), 및 고속 인터페이스 및 저속 인터페이스를 포함하는 각 부재를 연결하기 위한 인터페이스를 포함한다. 각 부재는 상이한 버스를 이용하여 서로 연결되고, 공통 메인보드에 장착될 수 있거나 필요에 따라 다른 방식으로 장착될 수 있다. 프로세서는, 메모리에 저장되거나 메모리에서 외부 입력/출력 장치(예를 들어, 인터페이스에 커플링된 표시 기기)에 GUI의 그래픽 정보를 표시하는 명령을 포함하는 전자 기기 내에서 실행되는 명령을 처리할 수 있다. 다른 실시형태에서, 필요에 따라 다수의 프로세서 및/또는 다수의 버스를 다수의 메모리와 함께 사용할 수 있다. 마찬가지로, 다수의 전자 기기를 연결할 수 있고, 각 기기는 일부 필요한 동작(예를 들어, 서버 어레이, 한 그룹의 블레이드 서버, 또는 다중프로세서 시스템)을 제공한다. 도 8에서 하나의 프로세서(501)를 예로 든다.
메모리(502)는 본 발명의 실시예에서 제공되는 비일시적 컴퓨터 판독 가능 저장 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되어, 상기 적어도 하나의 프로세서가 본 발명에서 제공되는 음성 처리 방법을 수행하도록 한다. 본 발명의 비일시적 컴퓨터 판독 가능 저장 매체에는 컴퓨터가 본 발명에서 제공되는 음성 처리 방법을 수행하도록 하는 컴퓨터 명령이 저장된다.
메모리(502)는 비일시적 컴퓨터 판독 가능 저장 매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능한 프로그램, 및 본 발명의 실시예의 비디오 검색 방법에 대응되는 프로그램 명령/모듈(예를 들어, 도 4에 도시된 수신 유닛(401), 분류 유닛(402) 및 결정 유닛(403))과 같은 모듈을 저장할 수 있다. 프로세서(501)는 메모리(502)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써, 서버의 다양한 기능 애플리케이션 및 데이터 처리를 수행하는데, 즉 상기 방법 실시예의 음성 처리 방법을 구현한다.
메모리(502)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있고, 여기서, 프로그램 저장 영역은 운영 체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있으며; 데이터 저장 영역은 비디오 검색 전자 기기의 사용에 따라 구축된 데이터 등을 저장할 수 있다. 이 밖에, 메모리(502)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 적어도 하나의 자기 디스크 메모리, 플래시 메모리, 또는 다른 비일시적 고체 상태 메모리와 같은 비일시적 메모리를 더 포함할 수 있다. 일부 실시예에서, 메모리(502)는 프로세서(501)에 대해 원격으로 설치된 메모리를 선택적으로 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 음성 처리 전자 기기에 연결될 수 있다. 상기 네트워크의 구현예로 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하지만 이에 한정되지 않는다.
음성 처리 방법의 전자 기기는 입력 장치(503) 및 출력 장치(504)를 더 포함할 수 있다. 프로세서(501), 메모리(502), 입력 장치(503) 및 출력 장치(504)는 버스 또는 다른 방식을 통해 연결될 수 있고, 도 5에서 버스를 통해 연결되는 것을 예로 든다.
입력 장치(503)는 입력된 디지털 또는 캐릭터 정보를 수신할 수 있고, 음성 처리 전자 기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 발생할 수 있으며, 상기 입력 장치는 예를 들어 터치스크린, 키패드, 마우스, 트랙 패널, 터치 패널, 지시 바, 하나 또는 다수의 마우스 버튼, 트랙 볼, 조이스틱 등 입력 장치이다. 출력 장치(504)는 표시 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 상기 표시 기기는 액정 표시 장치(LCD), 발광 다이오드(LED) 표시 장치 및 플라스마 표시 장치를 포함할 수 있지만 이에 한정되지 않는다. 일부 실시형태에서, 표시 기기는 터치스크린일 수 있다.
여기서 설명된 시스템 및 기술의 다양한 실시형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시형태는 하나 또는 다수의 컴퓨터 프로그램에서의 구현을 포함할 수 있고, 상기 하나 또는 다수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치, 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력 장치, 및 상기 적어도 하나의 출력 장치에 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계 명령을 포함하고, 하이레벨 프로세스 및/또는 객체에 대한 프로그래밍 언어, 및/또는 어셈블리/기계 언어를 이용하여 이러한 컴퓨팅 프로그램을 실행할 수 있다. 본문에서 사용된 바와 같이, 용어 “기계 판독 가능 매체” 및 “컴퓨터 판독 가능 매체”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 로직 장치(PLD))를 의미하고, 기계 판독 가능 신호인 기계 명령을 수신하는 기계 판독 가능 매체를 포함한다. 용어 “기계 판독 가능 신호”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.
사용자와의 인터랙션을 제공하기 위하여, 컴퓨터에서 여기서 설명된 시스템 및 기술을 실시할 수 있고, 상기 컴퓨터는 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 표시 장치) 모니터); 및 키보드 및 지향 장치(예를 들어, 마우스 또는 트랙 볼)를 구비하며, 사용자는 상기 키보드 및 상기 지향 장치를 통해 컴퓨터에 입력을 제공한다. 다른 타입의 장치는 또한 사용자와의 인터랙션을 제공할 수 있는데, 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력)로 사용자로부터의 입력을 수신할 수 있다.
여기서 설명된 시스템 및 기술을 백그라운드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부재를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프론트 엔드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 웹 브라우저를 구비하는 사용자 컴퓨터이고, 사용자는 상기 그래픽 사용자 인터페이스 또는 웹 브라우저를 통해 여기서 설명된 시스템 및 기술의 실시형태와 인터랙션할 수 있음), 또는 이러한 백그라운드 부재, 미들웨어 부재, 또는 프론트 엔드 부재의 임의의 조합을 포함하는 컴퓨팅 시스템에서 실시할 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 시스템의 부재를 서로 연결시킬 수 있다. 통신 네트워크의 예시로 근거리 통신망(LAN), 광역 통신망(WAN), 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고 일반적으로 통신 네트워크를 통해 서로 인터랙션한다. 대응되는 컴퓨터에서 실행되고 또한 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 통해 클라이언트 및 서버의 관계를 생성한다.
본 발명의 실시예의 기술적 해결수단에 따르면, 사용자 오디오의 오디오 분류 정보와 매칭 관계 정보에 따라, 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정함으로써, 타깃 매칭 오디오 분류 정보를 결정하는 효율을 향상시킨다.
위에서 설명한 다양한 형태의 프로세스를 사용하여, 단계를 재배열, 추가 또는 삭제할 수 있음을 이해해야 한다. 예를 들어, 본 발명에 기재된 각 단계는 동시에 수행될 수 있거나 순차적으로 수행될 수 있거나 상이한 순서로 수행될 수 있고, 본 발명에서 공개된 기술적 해결수단이 이루고자 하는 결과를 구현할 수만 있으면, 본문은 여기서 한정하지 않는다.
상기 구체적인 실시형태는 본 발명의 보호 범위를 한정하지 않는다. 본 기술분야의 통상의 기술자는 설계 요구 및 다른 요소에 따라 다양한 수정, 조합, 서브 조합 및 대체를 진해할 수 있음을 이해해야 한다. 본 발명의 정신 및 원칙 내에서 진행한 임의의 수정, 등가적 대체 및 개선 등은 모두 본 발명의 보호 범위 내에 속해야 한다.

Claims (17)

  1. 음성 처리 방법으로서,
    사용자가 단말기를 통해 송신한 사용자 오디오를 수신하는 단계;
    상기 사용자 오디오를 분류하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하는 단계; 및
    상기 오디오 분류 정보와 기설정된 매칭 관계 정보에 따라, 상기 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정하는 단계를 포함하고,
    상기 매칭 관계 정보는 오디오 분류 정보와 매칭 오디오 분류 정보 사이의 매칭 관계를 표시하는 음성 처리 방법.
  2. 제1항에 있어서,
    상기 방법은,
    상기 타깃 매칭 오디오 분류 정보에 기반하여, 상기 단말기에 설치된 기설정 클라이언트가 재생하는 음성의 음색을 결정하는 단계를 더 포함하는 음성 처리 방법.
  3. 제1항에 있어서,
    상기 방법은,
    상기 타깃 매칭 오디오 분류 정보에 따라, 기설정된 오디오 정보 집합에서 적어도 하나의 오디오 정보를 타깃 오디오 정보로 결정하는 단계; 및
    상기 타깃 오디오 정보를 상기 단말기에 푸시하는 단계를 더 포함하는 음성 처리 방법.
  4. 제3항에 있어서,
    상기 매칭 관계 정보는, 오디오 분류 정보와 매칭 오디오 분류 정보, 및 오디오 분류 정보와 매칭 오디오 분류 정보에 대응되는 오디오 사이의 매칭도를 포함하고,
    상기 방법은,
    상기 단말기가 송신한, 푸시된 오디오 정보에 대한 상기 사용자의 동작 정보를 수신하는 단계; 및
    상기 동작 정보에 기반하여, 상기 매칭 관계 정보 중의 매칭도를 조절하는 단계를 더 포함하는 음성 처리 방법.
  5. 제1항에 있어서,
    상기 사용자 오디오를 분류하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하는 단계는,
    상기 사용자 오디오를 미리 구축한 오디오 분류 모델에 입력하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하는 단계를 포함하고,
    상기 오디오 분류 모델은 오디오 정보와 오디오 분류 정보 사이의 대응 관계를 표시하는 음성 처리 방법.
  6. 제1항에 있어서,
    상기 방법은,
    상기 오디오 분류 정보와 상기 매칭 관계 정보에 기반하여, 상기 오디오 분류 정보와의 매칭도가 기설정 조건을 만족하는 매칭 오디오 분류 정보를 표시할 매칭 오디오 분류 정보로 결정하는 단계; 및
    상기 단말기에 상기 표시할 매칭 오디오 분류 정보를 송신하여, 상기 단말기가 상기 사용자에게 표시하도록 하는 단계를 더 포함하는 음성 처리 방법.
  7. 제1항에 있어서,
    상기 방법은,
    상기 사용자 오디오와 기설정된 타깃 인물 오디오 집합 중의 타깃 인물 오디오의 유사도를 결정하는 단계 - 상기 타깃 인물 오디오 집합은 적어도 한 명의 타깃 인물의 오디오를 포함함 - ;
    상기 유사도에 따라, 상기 적어도 한 명의 타깃 인물에서 타깃 인물을 선택하여 유사 인물로 하는 단계; 및
    상기 단말기에 상기 유사 인물의 명칭을 송신하는 단계를 더 포함하는 음성 처리 방법.
  8. 음성 처리 장치로서,
    사용자가 단말기를 통해 송신한 사용자 오디오를 수신하도록 구성되는 수신 유닛;
    상기 사용자 오디오를 분류하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하도록 구성되는 분류 유닛;
    상기 오디오 분류 정보와 기설정된 매칭 관계 정보에 따라, 상기 오디오 분류 정보와 매칭되는 매칭 오디오 분류 정보를 타깃 매칭 오디오 분류 정보로 결정하도록 구성되는 결정 유닛을 포함하고,
    상기 매칭 관계 정보는 오디오 분류 정보와 매칭 오디오 분류 정보 사이의 매칭 관계를 표시하는 음성 처리 장치.
  9. 제8항에 있어서,
    상기 장치는,
    상기 타깃 매칭 오디오 분류 정보에 기반하여, 상기 단말기에 설치된 기설정 클라이언트가 재생하는 음성의 음색을 결정하도록 구성되는 음색 결정 유닛을 더 포함하는 음성 처리 장치.
  10. 제8항에 있어서,
    상기 장치는,
    상기 타깃 매칭 오디오 분류 정보에 따라, 기설정된 오디오 정보 집합에서 적어도 하나의 오디오 정보를 타깃 오디오 정보로 결정하도록 구성되는 정보 결정 유닛; 및
    상기 타깃 오디오 정보를 상기 단말기에 푸시하도록 구성되는 푸시 유닛을 더 포함하는 음성 처리 장치.
  11. 제10항에 있어서,
    상기 매칭 관계 정보는, 오디오 분류 정보와 매칭 오디오 분류 정보, 및 오디오 분류 정보와 매칭 오디오 분류 정보에 대응되는 오디오 사이의 매칭도를 포함하고,
    상기 장치는,
    상기 단말기가 송신한, 푸시된 오디오 정보에 대한 상기 사용자의 동작 정보를 수신하도록 구성되는 정보 수신 유닛; 및
    상기 동작 정보에 기반하여, 상기 매칭 관계 정보 중의 매칭도를 조절하도록 구성되는 조절 유닛을 더 포함하는 음성 처리 장치.
  12. 제8항에 있어서,
    상기 분류 유닛은 또한,
    상기 사용자 오디오를 미리 구축한 오디오 분류 모델에 입력하여, 상기 사용자 오디오의 오디오 분류 정보를 획득하도록 구성되고, 상기 오디오 분류 모델은 오디오 정보와 오디오 분류 정보 사이의 대응 관계를 표시하는 음성 처리 장치.
  13. 제8항에 있어서,
    상기 장치는,
    상기 오디오 분류 정보와 상기 매칭 관계 정보에 기반하여, 상기 오디오 분류 정보와의 매칭도가 기설정 조건을 만족하는 매칭 오디오 분류 정보를 표시할 매칭 오디오 분류 정보로 결정하도록 구성되는 정보 결정 유닛; 및
    상기 단말기에 상기 표시할 매칭 오디오 분류 정보를 송신하여, 상기 단말기가 상기 사용자에게 표시하도록 하도록 구성되는 정보 푸시 유닛을 더 포함하는 음성 처리 장치.
  14. 제8항에 있어서,
    상기 장치는,
    상기 사용자 오디오와 기설정된 타깃 인물 오디오 집합 중의 타깃 인물 오디오의 유사도를 결정하도록 구성되는 유사도 결정 유닛 - 상기 타깃 인물 오디오 집합은 적어도 한 명의 타깃 인물의 오디오를 포함함 - ;
    상기 유사도에 따라, 상기 적어도 한 명의 타깃 인물에서 타깃 인물을 선택하여 유사 인물로 하도록 구성되는 선택 유닛; 및
    상기 단말기에 상기 유사 인물의 명칭을 송신하도록 구성되는 명칭 송신 유닛을 더 포함하는 음성 처리 장치.
  15. 적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결되는 메모리를 포함하는 전자 기기로서,
    상기 메모리에 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행될 경우, 상기 적어도 하나의 프로세서가 제1항 내지 제7항 중 어느 한 항에 따른 방법을 수행할 수 있도록 하는 전자 기기.
  16. 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능 저장 매체로서,
    상기 컴퓨터 명령은 상기 컴퓨터가 제1항 내지 제7항 중 어느 한 항에 따른 방법을 수행하도록 하는 비일시적 컴퓨터 판독 가능 저장 매체.
  17. 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우 제1항 내지 제7항 중 어느 한 항에 따른 방법을 구현하도록 하는 컴퓨터 프로그램.
KR1020210040933A 2020-08-05 2021-03-30 음성 처리 방법 및 장치 KR20210042277A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010779755.1A CN111916065A (zh) 2020-08-05 2020-08-05 用于处理语音的方法和装置
CN202010779755.1 2020-08-05

Publications (1)

Publication Number Publication Date
KR20210042277A true KR20210042277A (ko) 2021-04-19

Family

ID=73287197

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210040933A KR20210042277A (ko) 2020-08-05 2021-03-30 음성 처리 방법 및 장치

Country Status (5)

Country Link
US (1) US20210217437A1 (ko)
EP (1) EP3846164B1 (ko)
JP (1) JP7230085B2 (ko)
KR (1) KR20210042277A (ko)
CN (1) CN111916065A (ko)

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08248971A (ja) * 1995-03-09 1996-09-27 Hitachi Ltd テキスト朗読読み上げ装置
US7778830B2 (en) * 2004-05-19 2010-08-17 International Business Machines Corporation Training speaker-dependent, phrase-based speech grammars using an unsupervised automated technique
JP2009210790A (ja) * 2008-03-04 2009-09-17 Nec Software Kyushu Ltd 選曲歌手分析推薦装置、その方法及びプログラム
CN102654859B (zh) * 2011-03-01 2014-04-23 北京彩云在线技术开发有限公司 一种歌曲推荐方法及系统
US8732101B1 (en) * 2013-03-15 2014-05-20 Nara Logics, Inc. Apparatus and method for providing harmonized recommendations based on an integrated user profile
US9361942B2 (en) * 2011-12-22 2016-06-07 Apple Inc. Playlist configuration and preview
WO2013187610A1 (en) * 2012-06-15 2013-12-19 Samsung Electronics Co., Ltd. Terminal apparatus and control method thereof
KR101289085B1 (ko) * 2012-12-12 2013-07-30 오드컨셉 주식회사 객체 기반 영상 검색시스템 및 검색방법
JP6320397B2 (ja) * 2013-09-20 2018-05-09 株式会社東芝 音声選択支援装置、音声選択方法、およびプログラム
US9324318B1 (en) * 2014-10-14 2016-04-26 Nookster, Inc. Creation and application of audio avatars from human voices
CN104504059B (zh) * 2014-12-22 2018-03-27 合一网络技术(北京)有限公司 多媒体资源推荐方法
CN104681023A (zh) * 2015-02-15 2015-06-03 联想(北京)有限公司 一种信息处理方法及电子设备
US20160379638A1 (en) * 2015-06-26 2016-12-29 Amazon Technologies, Inc. Input speech quality matching
US9336782B1 (en) * 2015-06-29 2016-05-10 Vocalid, Inc. Distributed collection and processing of voice bank data
US10091355B2 (en) * 2016-02-19 2018-10-02 International Business Machines Corporation Virtual voice response agent individually configured for a user
US10074359B2 (en) * 2016-11-01 2018-09-11 Google Llc Dynamic text-to-speech provisioning
CN106599110A (zh) * 2016-11-29 2017-04-26 百度在线网络技术（北京）有限公司 基于人工智能的语音搜索方法及装置
US9934785B1 (en) * 2016-11-30 2018-04-03 Spotify Ab Identification of taste attributes from an audio signal
JPWO2018235607A1 (ja) * 2017-06-20 2020-04-16 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
CN107809667A (zh) * 2017-10-26 2018-03-16 深圳创维－Rgb电子有限公司 电视机语音交互方法、语音交互控制装置及存储介质
CN108735211A (zh) * 2018-05-16 2018-11-02 智车优行科技（北京）有限公司 语音处理方法、装置、车辆、电子设备、程序及介质
CN108899033B (zh) * 2018-05-23 2021-09-10 出门问问信息科技有限公司 一种确定说话人特征的方法及装置
CN108737872A (zh) * 2018-06-08 2018-11-02 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
CN108847214B (zh) * 2018-06-27 2021-03-26 北京微播视界科技有限公司 语音处理方法、客户端、装置、终端、服务器和存储介质
CN109147800A (zh) * 2018-08-30 2019-01-04 百度在线网络技术（北京）有限公司 应答方法和装置
CN109272984A (zh) * 2018-10-17 2019-01-25 百度在线网络技术（北京）有限公司 用于语音交互的方法和装置
CN109582822A (zh) * 2018-10-19 2019-04-05 百度在线网络技术（北京）有限公司 一种基于用户语音的音乐推荐方法及装置
CN110164415B (zh) * 2019-04-29 2024-06-14 腾讯科技（深圳）有限公司 一种基于语音识别的推荐方法、装置及介质
CN110189754A (zh) * 2019-05-29 2019-08-30 腾讯科技（深圳）有限公司 语音交互方法、装置、电子设备及存储介质
CN111326136B (zh) * 2020-02-13 2022-10-14 腾讯科技（深圳）有限公司 语音处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
JP7230085B2 (ja) 2023-02-28
EP3846164A3 (en) 2021-08-11
EP3846164A2 (en) 2021-07-07
EP3846164B1 (en) 2023-01-04
CN111916065A (zh) 2020-11-10
JP2021144221A (ja) 2021-09-24
US20210217437A1 (en) 2021-07-15

Similar Documents

Publication Publication Date Title
JP7181332B2 (ja) 音声変換方法、装置及び電子機器
US11238842B2 (en) Intent recognition and emotional text-to-speech learning
US10776977B2 (en) Real-time lip synchronization animation
US10089974B2 (en) Speech recognition and text-to-speech learning system
WO2019018061A1 (en) AUTOMATIC INTEGRATION OF CAPTURE AND IMAGE RECOGNITION IN VOICE INTERROGATION TO UNDERSTAND INTENT
US20210082394A1 (en) Method, apparatus, device and computer storage medium for generating speech packet
JP2021168139A (ja) マンマシンインタラクションのための方法、装置、機器および媒体
CN111226224A (zh) 用于翻译语音信号的方法及电子设备
CN112309365B (zh) 语音合成模型的训练方法、装置、存储介质以及电子设备
US10586528B2 (en) Domain-specific speech recognizers in a digital medium environment
KR20200059054A (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
KR20210001859A (ko) 3차원 가상 인물 입모양 변화 제어 방법 및 장치
US11972761B2 (en) Electronic device for sharing user-specific voice command and method for controlling same
JP7331044B2 (ja) 情報処理方法、装置、システム、電子機器、記憶媒体およびコンピュータプログラム
KR20210042523A (ko) 전자 장치 및 이의 제어 방법
JP2022101663A (ja) ヒューマンコンピュータインタラクション方法、装置、電子機器、記憶媒体およびコンピュータプログラム
CN114999441A (zh) 虚拟形象生成方法、装置、设备、存储介质以及程序产品
US20220130413A1 (en) Systems and methods for a computerized interactive voice companion
KR102226427B1 (ko) 호칭 결정 장치, 이를 포함하는 대화 서비스 제공 시스템, 호칭 결정을 위한 단말 장치 및 호칭 결정 방법
US20230196943A1 (en) Narrative text and vocal computer game user interface
KR20210042277A (ko) 음성 처리 방법 및 장치
CN114999440A (zh) 虚拟形象生成方法、装置、设备、存储介质以及程序产品
CN114816038A (zh) 虚拟现实内容生成方法、装置及计算机可读存储介质
WO2020167304A1 (en) Real-time lip synchronization animation
KR102663162B1 (ko) 음성 합성 방법 및 시스템

Legal Events

Date Code Title Description
E902 Notification of reason for refusal