[發(fā)明專利]語(yǔ)音交互過(guò)程中的多音字播報(bào)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201611199610.4
• 申請(qǐng)日: 2016-12-22
• 公開(kāi)（公告）號(hào): CN106710585B
• 公開(kāi)（公告）日: 2019-11-08
• 發(fā)明（設(shè)計(jì)）人: 王鳴
• 申請(qǐng)（專利權(quán)）人: 云知聲（上海）智能科技有限公司
• 主分類號(hào): G10L13/02
• 分類號(hào): G10L13/02;G10L13/08;G10L15/02;G10L15/06
• 代理公司: 上海唯源專利代理有限公司 31229
• 代理人: 曾耀先

本發(fā)明提供了一種語(yǔ)音交互過(guò)程中的多音字播報(bào)方法及系統(tǒng)，所述播報(bào)方法包括：獲取語(yǔ)音信息，識(shí)別所述語(yǔ)音信息；形成反饋信息；對(duì)所述反饋信息進(jìn)行注音；播報(bào)所述反饋信息；釋放先驗(yàn)信息。本發(fā)明通過(guò)將獲取的語(yǔ)音信息通過(guò)識(shí)別存儲(chǔ)為文本信息和音素信息，利用所述音素信息對(duì)反饋信息進(jìn)行注音再進(jìn)行播報(bào)，能有效提高專有名詞中的多音字播報(bào)準(zhǔn)確率，改善多音字播報(bào)效果。

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)音交互技術(shù)領(lǐng)域，具體來(lái)說(shuō)涉及語(yǔ)音交互過(guò)程中的多音字播報(bào)方法及系統(tǒng)。

背景技術(shù)

語(yǔ)音合成，又稱文語(yǔ)轉(zhuǎn)換(Text To Speech)技術(shù)，是一種能夠?qū)⑽淖中畔⑥D(zhuǎn)化為語(yǔ)音并進(jìn)行朗讀的技術(shù)，其涉及聲學(xué)、語(yǔ)言學(xué)、數(shù)字信號(hào)處理、計(jì)算機(jī)科學(xué)等多個(gè)學(xué)科基礎(chǔ)，是中文信息處理領(lǐng)域的一項(xiàng)前沿技術(shù)，解決的主要問(wèn)題是如何將文字信息轉(zhuǎn)化為可聽(tīng)的聲音信息。

在語(yǔ)音合成系統(tǒng)中，將文本信息轉(zhuǎn)換為聲音信息的過(guò)程為：首先需要對(duì)輸入的文本進(jìn)行處理，包括預(yù)處理、分詞、詞性標(biāo)注、多音字預(yù)測(cè)、韻律層級(jí)預(yù)測(cè)等，然后再通過(guò)聲學(xué)模型，預(yù)測(cè)各個(gè)單元對(duì)應(yīng)的聲學(xué)特征，最后利用聲學(xué)參數(shù)直接通過(guò)聲碼器合成聲音，或者從錄音詞庫(kù)中挑選單元進(jìn)行拼接，以生成與文本對(duì)應(yīng)的聲音信息。

其中多音字預(yù)測(cè)是整個(gè)語(yǔ)音合成系統(tǒng)的基礎(chǔ)之一，多音字朗讀的正確與否，極大地影響了聽(tīng)者對(duì)合成聲音語(yǔ)義的理解情況，如果多音字預(yù)測(cè)準(zhǔn)確率高，可以大大改善用戶體驗(yàn)，使合成出來(lái)的語(yǔ)音易于理解，聽(tīng)起來(lái)也更佳自然流暢。

現(xiàn)有的多音字發(fā)音策略多采用如下方法：

若多音字可以和上下文組成詞語(yǔ)，則按照固定搭配中的多音字來(lái)進(jìn)行播報(bào)，例如重點(diǎn)、重新；若多音字以單字形式出現(xiàn)，則基于大量數(shù)據(jù)訓(xùn)練模型的方法來(lái)決定發(fā)音，例如為人民服務(wù)、結(jié)果為零。在語(yǔ)音合成技術(shù)中，常用的大量訓(xùn)練數(shù)據(jù)模型的方法包括但不限于：CRF(條件隨機(jī)場(chǎng))方法，HMM(隱馬爾科夫模型)方法，決策樹(shù)方法等等。這些方法的特點(diǎn)是需要大量多音字的標(biāo)注信息來(lái)進(jìn)行訓(xùn)練。優(yōu)點(diǎn)是可以僅憑文本信息來(lái)預(yù)測(cè)多音字的發(fā)音，且對(duì)于出現(xiàn)在常見(jiàn)上下文語(yǔ)境中的多音字預(yù)測(cè)準(zhǔn)確率較高；缺點(diǎn)是對(duì)于訓(xùn)練數(shù)據(jù)中不包含的多音字或者是上下文語(yǔ)境中沒(méi)有包含過(guò)的多音字的處理能力很差。

但上述方法對(duì)于專有名詞比如人名、地名、公司名稱中的多音字播報(bào)效果較差。這是由于在語(yǔ)音交互過(guò)程中，用戶的提問(wèn)或指令信息中通常包含有多音字的發(fā)音，特別是對(duì)于人名、地名和公司名稱的發(fā)音，但是在語(yǔ)音交互系統(tǒng)中，卻將語(yǔ)音識(shí)別和語(yǔ)音合成分離開(kāi)來(lái)，即語(yǔ)音識(shí)別中獲得的對(duì)應(yīng)文本信息的音素信息未被語(yǔ)音合成模塊利用，而語(yǔ)音合成信息在播報(bào)該專有名詞中的多音字時(shí)，根據(jù)自身事先設(shè)定的策略進(jìn)行發(fā)音的選擇。

發(fā)明內(nèi)容

鑒于上述情況，本發(fā)明提供一種語(yǔ)音交互過(guò)程中的多音字播報(bào)方法及系統(tǒng)，解決了現(xiàn)有的多音字發(fā)音策略對(duì)專有名詞(人名、地名、公司名稱)中的多音字播報(bào)效果較差的技術(shù)問(wèn)題，提高了專有名詞中的多音字播報(bào)準(zhǔn)確率。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案是：

一種語(yǔ)音交互過(guò)程中的多音字播報(bào)方法，包括如下步驟：

a.獲取語(yǔ)音信息；

b.識(shí)別所述語(yǔ)音信息，通過(guò)語(yǔ)音識(shí)別得出所述語(yǔ)音信息對(duì)應(yīng)的文本信息和音素信息；

c.執(zhí)行所述文本信息的指令并形成相應(yīng)的反饋信息；

d.對(duì)反饋信息進(jìn)行注音：首先查找所述反饋信息中是否包括多音字，若查找到多音字，首先將反饋信息與所述文本信息進(jìn)行比對(duì)，若比對(duì)成功，從所述音素信息中獲取發(fā)音并對(duì)反饋信息中的多音字進(jìn)行注音；若比對(duì)不成功，則依據(jù)大量數(shù)據(jù)訓(xùn)練模型的方法來(lái)對(duì)反饋信息中的多音字進(jìn)行注音；

e.對(duì)所述反饋信息進(jìn)行播報(bào)。

本發(fā)明的進(jìn)一步改進(jìn)在于，在所述步驟b中，還包括將所述文本信息和音素信息作為先驗(yàn)信息進(jìn)行存儲(chǔ)。