[發明專利]熱詞感知語音合成

在審

• 申請號: 201880035906.3
• 申請日: 2018-06-25
• 公開（公告）號: CN110896664A
• 公開（公告）日: 2020-03-20
• 發明（設計）人: A.克拉庫恩;M.沙里菲
• 申請（專利權）人: 谷歌有限責任公司
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L13/02
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 金玉潔

1.一種方法(400)，包括：

在語音合成設備(300)的數據處理硬件(112)處接收用于轉換成合成語音(160)的文本輸入數據(302)；

通過所述數據處理硬件(112)和使用被訓練成檢測分配給用戶設備(110)的至少一個熱詞(130)的存在的熱詞感知模型(320)，確定所述文本輸入數據(302)的發音是否包括熱詞(130)，所述熱詞(130)當被包括在由用戶設備(110)接收的音頻輸入數據中時，被配置為在用戶設備(110)上發起用于處理所述音頻輸入數據中的所述熱詞(130)和/或所述熱詞(130)之后的一個或多個其他術語的喚醒過程；以及

當所述文本輸入數據(302)的發音包括所述熱詞(130)時：

從所述文本輸入數據(302)生成音頻輸出信號(304)；和

由數據處理硬件(112)向音頻輸出設備(118)提供所述音頻輸出信號(304)以輸出所述音頻輸出信號(304)，所述音頻輸出信號(304)當被用戶設備(110)的音頻捕獲設備(116)捕獲時，被配置為阻止在用戶設備(110)上發起喚醒過程。

2.根據權利要求1所述的方法(400)，其中，確定所述文本輸入數據(302)的發音是否包括所述熱詞(130)包括確定所述文本輸入數據(302)的詞、子詞或文本到語音序列中的至少一個的發音與所述熱詞(130)相關聯。

3.根據權利要求1或2所述的方法(400)，其中，所述熱詞感知模型(320)在分配給用戶設備(110)的熱詞(130)的文本到語音序列或音頻表示上被訓練。

4.根據權利要求1-3中任一項所述的方法(400)，其中，所述文本輸入數據(302)包括第一語言，并且所述音頻輸出信號(304)包括不同語言的所述文本輸入數據(302)的翻譯。

5.根據權利要求1-4中任一項所述的方法(400)，還包括：

由數據處理硬件(112)檢測所述語音合成設備(300)的操作環境內用戶設備(110)的存在；以及

由數據處理硬件(112)查詢用戶設備(110)以獲得分配給用戶設備(110)的用于訓練所述熱詞感知模型(320)的熱詞(130)。

6.根據權利要求1-5中任一項所述的方法(400)，還包括由數據處理硬件(112)查詢遠程熱詞儲存庫(142)，以至少獲得分配給用戶設備(110)的用于訓練所述熱詞感知模型(320)的熱詞(130)。

7.根據權利要求1-6中任一項所述的方法(400)，其中，從所述文本輸入數據(302)生成所述音頻輸出信號(304)包括向所述音頻輸出信號(304)插入水印(352)，所述水印(352)表示所述音頻輸出信號(304)對應于合成語音(160)，并且指示用戶設備(110)的熱詞檢測器(200)忽略對所述合成語音(160)中的熱詞(130)的檢測。

8.根據權利要求1-6中任一項所述的方法(400)，其中，從所述文本輸入數據(302)生成所述音頻輸出信號(304)包括：

確定表示針對所述文本輸入數據(302)的文本到語音輸出的語音波形；以及

通過移除或改變與所述熱詞(130)相關聯的任何聲音來改變所述語音波形，以規避由所述用戶設備(110)的熱詞檢測器(200)對所述熱詞(130)的檢測。

9.根據權利要求1-6中任一項所述的方法(400)，其中，從所述文本輸入數據(302)生成所述音頻輸出信號(304)包括：

確定表示所述文本輸入數據(302)的語音波形；以及

對音頻波形濾波以規避由所述用戶設備(110)的熱詞檢測器(200)對所述熱詞(130)的檢測。