[發(fā)明專利]基于人工智能的語音處理方法及其裝置

有效

• 申請?zhí)枺?/td>: 201710855048.4
• 申請日: 2017-09-20
• 公開（公告）號: CN107657947B
• 公開（公告）日: 2020-11-24
• 發(fā)明（設(shè)計）人: 孔德威
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G10L15/04
• 分類號: G10L15/04;G10L15/05;G10L15/06;G10L15/14
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 宋合成

1.一種基于人工智能的語音處理方法，其特征在于，包括：

采集語音進行切分，形成多個語音片段，識別每個語音片段，獲取所述語音片段的識別文本片段；

按照識別文本片段的順序，從當(dāng)前識別文本片段對應(yīng)的原始文本中，確定當(dāng)前識別文本片段的原始文本片段；

對原始文本片段以及原始文本片段對應(yīng)的語音片段進行拼接，得到句子文本和所述句子文本對應(yīng)的句子語音；

生成所述句子文本的拼音，并根據(jù)所述拼音形成音子序列，將所述音子序列與所述句子語音進行對齊，獲取音子邊界；

利用所述句子文本、所述句子語音、所述拼音以及所述音子邊界，形成用于對語音合成模型進行訓(xùn)練的目標(biāo)數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從當(dāng)前識別文本片段對應(yīng)的原始文本中，確定當(dāng)前識別文本片段的原始文本片段，包括：

按照識別文本片段的順序，確定與當(dāng)前識別文本片段對應(yīng)的原始文本；

從當(dāng)前識別文本片段對應(yīng)的原始文本的起始位置開始，將當(dāng)前識別文本片段中的識別字符與原始文本中原始字符進行比較，根據(jù)比較結(jié)果獲取與當(dāng)前識別文本片段對應(yīng)的原始文本片段。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述確定與當(dāng)前識別文本片段對應(yīng)的原始文本，包括：

從上一個識別文本片段對應(yīng)的所述原始文本中，將上一個識別文本片段對應(yīng)的所述原始文本片段切除；

利用剩余的所述原始文本作為當(dāng)前識別文本對應(yīng)的所述原始文本。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，從當(dāng)前識別文本片段對應(yīng)的所述原始文本的起始位置開始，將當(dāng)前識別文本片段與原始文本中的至少一個原始字符進行比較，根據(jù)比較結(jié)果獲取與當(dāng)前識別文本片段對應(yīng)的原始文本片段，包括：

從所述起始位置對應(yīng)的原始字符開始，將所述當(dāng)前識別文本片段與所述原始文本中的比較片段進行比較，獲取所述當(dāng)前識別文本片段與所述比較片段的相似度得分；其中，所述比較片段包括所述原始文本中至少一個原始字符；

如果所述相似度得分增大，則對所述原始文本的結(jié)束標(biāo)志位加1，利用下一個新的原始字符更新所述比較片段并繼續(xù)進行下一次比較；

如果所述相似度得分降低，則對得分下降標(biāo)識符加1，判斷當(dāng)前得分下降標(biāo)識符的取值是否達(dá)到預(yù)設(shè)的數(shù)值；

如果當(dāng)前得分下降標(biāo)識符的取值達(dá)到預(yù)設(shè)的數(shù)值，則從所述原始文本的第一個原始字符開始往后提取與所述結(jié)束標(biāo)志位取值相同個數(shù)的所述原始字符；

利用提取出的所有原始字符，生成當(dāng)前識別文本片段對應(yīng)的所述原始文本片段。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，還包括：

如果當(dāng)前得分下降標(biāo)識符的取值未達(dá)到預(yù)設(shè)的數(shù)值，則利用下一個新的原始字符更新所述比較片段并繼續(xù)進行下一次比較。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述利用提取出的所有原始字符，生成當(dāng)前識別文本片段對應(yīng)的所述原始文本片段，包括：

利用提取出的所有原始字符按序組成當(dāng)前識別文本片段對應(yīng)的候選文本片段；

根據(jù)所述候選文本片段中每個原始字符對應(yīng)的第一得分，從所述候選文本片段中獲取最大相似度得分子串；

截取所述最大相似度得分子串作為所述原始文本片段。

7.根據(jù)權(quán)利要求1-6任一項所述的方法，其特征在于，所述對原始文本片段以及原始文本片段對應(yīng)的語音片段進行拼接，得到句子文本和所述句子文本對應(yīng)的句子語音，包括：

基于識別文本片段與對應(yīng)原始文本片段的相似度，從所有的原始文本片段中確定標(biāo)準(zhǔn)原始文本片段，并將除所述標(biāo)準(zhǔn)原始文本片段之外的剩余原始文本片段進行剔除；

識別當(dāng)前標(biāo)準(zhǔn)原始文本片段中攜帶的標(biāo)點符號，如果所述標(biāo)點符號為第一類標(biāo)點符號，則識別后續(xù)所述標(biāo)準(zhǔn)原始文本片段中攜帶的標(biāo)點符號，直到識別到第二類標(biāo)點符號，并在所述第二類標(biāo)點符號處截斷形成一個句子文本，并從當(dāng)前標(biāo)準(zhǔn)原始文本片段開始至所述第二類標(biāo)點符號之間的所有標(biāo)準(zhǔn)原始文本片段對應(yīng)的語音片段，拼接成與所述句子文本對應(yīng)的句子語音；

建立所述句子文本與所述句子語音的對應(yīng)關(guān)系。