[發(fā)明專利]信息處理裝置和信息處理方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201780048909.6
• 申請(qǐng)日: 2017-07-26
• 公開(kāi)（公告）號(hào): CN109643541A
• 公開(kāi)（公告）日: 2019-04-16
• 發(fā)明（設(shè)計(jì)）人: 河野真一;巖瀨廣;齋藤真里
• 申請(qǐng)（專利權(quán)）人: 索尼公司
• 主分類號(hào): G10L13/10
• 分類號(hào): G10L13/10;G10L13/02
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王萍;唐明英

本發(fā)明涉及信息處理裝置和信息處理方法，通過(guò)其可以增加用戶變得意識(shí)到合成語(yǔ)音的可能性。根據(jù)本發(fā)明的信息處理裝置設(shè)置有語(yǔ)音輸出控制單元，用于基于當(dāng)輸出通過(guò)將文本轉(zhuǎn)換成語(yǔ)音而獲得的合成語(yǔ)音時(shí)的情境來(lái)控制合成語(yǔ)音的輸出形式。可替選地，信息處理裝置設(shè)置有：通信單元，用于向其他信息處理裝置傳送與當(dāng)輸出通過(guò)將文本轉(zhuǎn)換成語(yǔ)音而獲得的合成語(yǔ)音時(shí)的情境有關(guān)的情境數(shù)據(jù)，并且從其他信息處理裝置接收用于生成合成語(yǔ)音的語(yǔ)音控制數(shù)據(jù)，合成語(yǔ)音的輸出形式是基于情境數(shù)據(jù)來(lái)控制的；以及語(yǔ)音合成單元，用于基于語(yǔ)音控制數(shù)據(jù)生成合成語(yǔ)音。本發(fā)明可以應(yīng)用于例如用于對(duì)合成語(yǔ)音進(jìn)行輸出控制或輸出合成語(yǔ)音的服務(wù)器或客戶端。

技術(shù)領(lǐng)域

本技術(shù)涉及信息處理裝置和信息處理方法。更具體地，本技術(shù)涉及適用于將文本轉(zhuǎn)換成語(yǔ)音以進(jìn)行輸出的信息處理裝置和信息處理方法。

背景技術(shù)

在通過(guò)TTS(文本到語(yǔ)音)技術(shù)將文本轉(zhuǎn)換成語(yǔ)音以進(jìn)行輸出的情況下，單調(diào)的聲調(diào)或平的語(yǔ)調(diào)會(huì)分散用戶的注意力。結(jié)果，用戶可能無(wú)法理解文本的內(nèi)容。

為了防止用戶對(duì)這樣的合成語(yǔ)音感到厭倦，已經(jīng)提出了措施，其包括根據(jù)經(jīng)過(guò)的時(shí)間逐漸增加講話速率并且隨機(jī)改變除講話速率之外的各種參數(shù)，例如音調(diào)、音量和聲音質(zhì)量(例如，參見(jiàn)PTL 1)。

引用列表

專利文獻(xiàn)

[PTL1]

JP 1999-161298A

發(fā)明內(nèi)容

本技術(shù)問(wèn)題

然而，根據(jù)PTL1中描述的技術(shù)，合成語(yǔ)音的參數(shù)僅僅根據(jù)經(jīng)過(guò)的時(shí)間而改變。這意味著參數(shù)的變化并不總是有效的并且可能會(huì)或可能不會(huì)吸引用戶對(duì)合成語(yǔ)音的注意力。

在這些情況下，本技術(shù)旨在增加用戶注意力被引導(dǎo)到合成語(yǔ)音的可能性。

問(wèn)題的解決方案

根據(jù)本技術(shù)的一個(gè)方面，提供了一種信息處理裝置，包括：語(yǔ)音輸出控制部，其被配置成基于通過(guò)將文本轉(zhuǎn)換成語(yǔ)音而獲得的合成語(yǔ)音被輸出時(shí)的情境(context)來(lái)控制合成語(yǔ)音的輸出形式。

優(yōu)選地，在情境滿足預(yù)定條件的情況下，語(yǔ)音輸出控制部可以改變合成語(yǔ)音的輸出形式。

優(yōu)選地，合成語(yǔ)音的輸出形式的改變可以包括改變以下中至少之一：合成語(yǔ)音的特性、針對(duì)合成語(yǔ)音的效果、合成語(yǔ)音的背景中的BGM(背景音樂(lè))、合成語(yǔ)音中輸出的文本或者用于輸出合成語(yǔ)音的裝置的操作。

優(yōu)選地，合成語(yǔ)音的特性可以包括以下中至少之一：速度、音調(diào)、音量或語(yǔ)調(diào)。針對(duì)合成語(yǔ)音的效果可以包括以下中至少之一：在文本中重復(fù)特定詞句或?qū)⑼ｎD插入到合成語(yǔ)音中。

優(yōu)選地，在檢測(cè)到用戶的注意力未被引導(dǎo)至合成語(yǔ)音的狀態(tài)時(shí)，語(yǔ)音輸出控制部可以改變合成語(yǔ)音的輸出形式。

優(yōu)選地，在改變合成語(yǔ)音的輸出形式之后檢測(cè)到用戶的注意力被引導(dǎo)至合成語(yǔ)音的狀態(tài)時(shí)，語(yǔ)音輸出控制部可以將合成語(yǔ)音的輸出形式返回至初始形式。

優(yōu)選地，在合成語(yǔ)音的特性的變化量在預(yù)定范圍內(nèi)的狀態(tài)持續(xù)至少預(yù)定時(shí)間段的情況下，語(yǔ)音輸出控制部可以改變合成語(yǔ)音的輸出形式。

優(yōu)選地，語(yǔ)音輸出控制部可以基于情境來(lái)選擇改變合成語(yǔ)音的輸出形式的方法。

優(yōu)選地，信息處理裝置還可以包括學(xué)習(xí)部，其被配置成學(xué)習(xí)用戶對(duì)改變合成語(yǔ)音的輸出形式的方法的反應(yīng)。語(yǔ)音輸出控制部可以基于對(duì)用戶的反應(yīng)的學(xué)習(xí)結(jié)果來(lái)選擇改變合成語(yǔ)音的輸出形式的方法。

優(yōu)選地，語(yǔ)音輸出控制部還可以基于文本的特性來(lái)控制合成語(yǔ)音的輸出形式。