[發明專利]一種基于手持智能終端的場景化朗讀音頻制作方法及系統

在審

• 申請號: 201711414780.4
• 申請日: 2017-12-21
• 公開（公告）號: CN108536655A
• 公開（公告）日: 2018-09-14
• 發明（設計）人: 孫仉茂;紀德財
• 申請（專利權）人: 廣州市訊飛樽鴻信息技術有限公司
• 主分類號: G06F17/22
• 分類號: G06F17/22;G06F17/30;G06K9/20;G10L13/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于手持智能終端的場景化朗讀音頻制作方法，其特征在于，包括以下步驟：

S1：使用手持智能終端獲取信息內容，并轉化為文字格式；

S2：對文字內容進行格式化處理，包括自動分段、刪除無效字符，最終獲得有效的純文本格式的內容；

S3：對文字內容的關鍵字進行自動識別，預判該內容的使用場景；

S4：根據預判的使用場景選擇播音員音庫、背景音、語速和語調；

S5：生成場景化音頻文件：根據所選擇的播音員音庫、語速和語調，通過語音合成技術將文字內容轉化為音頻，并加入背景音，生成音頻文件；

S6：將生成的音頻文件提供給用戶保存與分享。

2.根據權利要求1所述的基于手持智能終端的場景化朗讀音頻制作方法，其特征在于，所述手持智能終端為智能手機、iPad、平板電腦、PC電腦或智能手表。

3.根據權利要求1所述的基于手持智能終端的場景化朗讀音頻制作方法，其特征在于，步驟S1中，獲取信息內容的途徑包括以下四種方式：

通過文檔文件導入，支持但不限于TXT、WORD、PPT、PDF文件；

通過輸入網頁URL鏈接，自動識別與抓取文字內容；

通過手持智能終端在海報、雜志、報紙、電腦、平板媒介上展示的文字、圖片、視頻等內容進行拍照，通過OCR技術獲取文字內容；

通過編輯框錄入內容，支持手動編輯文字，或復制文字后粘貼在編輯框中。

4.根據權利要求1所述的基于手持智能終端的場景化朗讀音頻制作方法，其特征在于，步驟S3中，所述使用場景包括但不限于新聞播報、軍武介紹、故事文摘、校園廣播。

5.根據權利要求1所述的基于手持智能終端的場景化朗讀音頻制作方法，其特征在于，步驟S4具體包括：

S4.1：選擇播音員音庫：根據預判的使用場景自動選擇或手動選擇音庫音色；

S4.2：選擇背景音：根據預判的使用場景自動選擇或手動選擇背景音；

S4.3：選擇語速、語調：根據預判的使用場景自動選擇或手動選擇朗讀語速、語調。

6.根據權利要求1所述的基于手持智能終端的場景化朗讀音頻制作方法，其特征在于，步驟S6具體包括以下方式：

郵件發送：用戶可輸入郵箱地址，系統自動將相關內容與文件發送至用戶郵箱；

直接下載到本地：用戶可在終端界面直接下載音頻文件到終端設備中；

社交工具發送音頻文件：通過調用用戶的微信、QQ、微博等社交工具進行分享，將音頻文件發送給好友、群組，以及在朋友圈、個人空間分享；

社交工具分享音頻信息：通過調用用戶的微信、QQ等社交工具，將音頻信息存儲在后臺服務端，生成分享卡片發送給好友，或生成二維碼發送給好友，好友可通過二維碼查看與下載；

網盤存儲：通過調用用戶的百度網盤、360云盤第三方云存儲服務，將音頻文件存儲在互聯網網絡存儲空間。

7.一種基于手持智能終端的場景化朗讀音頻制作系統，其特征在于，包括手持智能終端和云服務端，所述云服務端包括文本格式智能處理模塊、場景智能識別模塊、播音員音庫選擇模塊、背景音選擇模塊、語速/語調選擇模塊和場景化音頻文件生成模塊；

所述手持智能終端獲取信息內容，轉化為文字格式并上傳到云服務器端；云服務器端的文本格式智能處理模塊對文字內容進行格式化處理，包括自動分段、刪除無效字符，最終獲得有效的純文本格式的內容；場景智能識別模塊對文字內容的關鍵字進行自動識別，預判該內容的使用場景；場景智能識別模塊、播音員音庫選擇模塊、背景音選擇模塊分別根據預判的使用場景選擇播音員音庫、背景音、語速和語調；場景化音頻文件生成模塊根據所選擇的播音員音庫、語速和語調，通過語音合成技術將文字內容轉化為音頻，并加入背景音，生成音頻文件；手持智能終端接收將生成的音頻文件提供給用戶保存與分享。