[發明專利]基于人工智能的語音處理方法及其裝置

有效

• 申請號: 201710855048.4
• 申請日: 2017-09-20
• 公開（公告）號: CN107657947B
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 孔德威
• 申請（專利權）人: 百度在線網絡技術（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: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

本發明提出一種基于人工智能的語音處理方法及其裝置，其中，方法包括：采集語音進行切分，形成多個語音片段，識別每個語音片段，獲取語音片段的識別文本片段，按照識別文本片段的順序，從當前識別文本片段對應的原始文本中，確定當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的語音片段進行拼接，得到句子文本和句子文本對應的句子語音，生成句子文本的拼音，并根據拼音形成音子序列，將音子序列與句子語音進行對齊，獲取音子邊界，利用句子文本、句子語音、拼音以及音子邊界，形成用于對語音合成模型進行訓練的目標數據。由此，實現自動對語音進行切分以及標注，形成準確率較高的用于對語音合成模型進行訓練的標注數據。

技術領域

本發明涉及人工智能領域，尤其涉及一種基于人工智能的語音處理方法及其裝置。

背景技術

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語音識別、圖像識別、自然語言處理和專家系統等。

目前在語音合成領域，大多采用人工方式進行語音切分，然后基于人工識別出每個語音片段對應的原始文本，然后標注拼音等最后形成用于對語音合成模型進行訓練的標注數據，但是人工標注方式，在語音量較大的情況下，往往會出現標注數據生成效率低，切分或者識別過程中容易出現錯誤的問題，而且存在人工成本較高的問題。

發明內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發明的第一個目的在于提出一種基于人工智能的語音處理方法，以實現自動對語音進行切分以及標注，形成準確率較高的用于對語音合成模型進行訓練的標注數據，用于解決現有人工標注方式標注數據生成的效率低，切分或者識別過程中容易出現錯誤，而且人工成本較高的問題。

本發明的第二個目的在于提出一種基于人工智能的語音處理裝置。

本發明的第三個目的在于提出另一種計算機設備。

本發明的第四個目的在于提出一種計算機程序產品。

本發明的第五個目的在于提出一種非臨時性計算機可讀存儲介質。

為達上述目的，本發明第一方面實施例提出了一種基于人工智能的語音處理方法，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，從與當前識別文本片段對應的原始文本中，確定當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的語音片段進行拼接，得到句子文本和所述句子文本對應的句子語音；

生成所述句子文本的拼音，并根據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練的目標數據。