[發(fā)明專利]一種聲音檢索方法、裝置、系統(tǒng)及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910124135.1
• 申請(qǐng)日: 2019-02-19
• 公開（公告）號(hào): CN109920409B
• 公開（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 李秀林;李舒揚(yáng)
• 申請(qǐng)（專利權(quán)）人: 標(biāo)貝（深圳）科技有限公司
• 主分類號(hào): G10L15/08
• 分類號(hào): G10L15/08;G10L13/08;G06F16/61;G06F16/635
• 代理公司: 北京睿邦知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11481
• 代理人: 徐丁峰;張瑋

本發(fā)明提供了一種聲音檢索方法、裝置、系統(tǒng)及存儲(chǔ)介質(zhì)。該方法包括：接收需要檢索的聲音條目的描述特征；根據(jù)所述描述特征確定關(guān)鍵字集合；將所述關(guān)鍵字集合與聲音數(shù)據(jù)庫中的各個(gè)聲音條目的聲音標(biāo)簽分別進(jìn)行匹配；根據(jù)匹配度對(duì)所述各個(gè)聲音條目進(jìn)行排序，并將匹配度最高的N個(gè)聲音條目作為檢索結(jié)果，其中，N為正整數(shù)。上述技術(shù)方案根據(jù)對(duì)聲音的描述從聲音數(shù)據(jù)庫中檢索相匹配的聲音條目，獲取滿足不同需求的聲音數(shù)據(jù)。從而實(shí)現(xiàn)了一種友好的聲音檢索方法，使得根據(jù)需求進(jìn)行對(duì)應(yīng)聲音的選擇變得更加便捷、快速，同時(shí)也極大提升了聲音數(shù)據(jù)的實(shí)用性，使得豐富的音源可以按需索引獲取。

技術(shù)領(lǐng)域

本發(fā)明涉及聲音數(shù)據(jù)處理領(lǐng)域，更具體地涉及一種聲音檢索方法、裝置、系統(tǒng)及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著科技的發(fā)展，語音數(shù)據(jù)處理越來越多地應(yīng)用于各種應(yīng)用領(lǐng)域。但目前的語音數(shù)據(jù)處理通常僅涉及少數(shù)幾種聲音，不能滿足用戶的多種需求。

例如，語音合成技術(shù)是將文本轉(zhuǎn)換成語音的技術(shù)。通過讓機(jī)器發(fā)聲可以實(shí)現(xiàn)人機(jī)交互。對(duì)于語音合成系統(tǒng)，可以預(yù)先對(duì)一個(gè)特定發(fā)音人的聲音進(jìn)行模型訓(xùn)練。利用訓(xùn)練好的模型和音庫等數(shù)據(jù)，可以通過語音合成系統(tǒng)實(shí)現(xiàn)語音合成。

隨著物聯(lián)網(wǎng)及人工智能技術(shù)的發(fā)展，越來越多的設(shè)備有了語音交互的需求。為了讓不同設(shè)備或者產(chǎn)品具有自己的人設(shè)特點(diǎn)，往往需要采用不同特色的聲音進(jìn)行信息表達(dá)。

目前大部分語音合成解決方案都只能提供少數(shù)幾個(gè)聲音，未能提供豐富的聲音供用戶進(jìn)行挑選來實(shí)現(xiàn)更好的與產(chǎn)品角色匹配的聲音效果。即便有了豐富的聲音數(shù)據(jù)可供選擇，由于聲音無法用類似圖片的方式進(jìn)行展示，用戶也難以基于自己的各種需求進(jìn)行快速有效的選擇。

因此，亟需一種新的聲音檢索技術(shù)，以解決上述問題。

發(fā)明內(nèi)容

考慮到上述問題而提出了本發(fā)明。本發(fā)明提供了一種聲音檢索方法、裝置、系統(tǒng)及存儲(chǔ)介質(zhì)。

根據(jù)本發(fā)明一方面，提供了一種聲音檢索方法，包括：

接收需要檢索的聲音條目的描述特征；

根據(jù)所述描述特征確定關(guān)鍵字集合；

將所述關(guān)鍵字集合與聲音數(shù)據(jù)庫中的各個(gè)聲音條目的聲音標(biāo)簽分別進(jìn)行匹配；

根據(jù)匹配度對(duì)所述各個(gè)聲音條目進(jìn)行排序，并將匹配度最高的N個(gè)聲音條目作為檢索結(jié)果，其中，N為正整數(shù)。

示例性地，所述根據(jù)所述描述特征確定關(guān)鍵字集合包括：

將所述描述特征作為關(guān)鍵字元素加入所述關(guān)鍵字集合；

針對(duì)所述描述特征中的每個(gè)描述特征，以該描述特征為知識(shí)點(diǎn)對(duì)聲音標(biāo)簽知識(shí)庫進(jìn)行檢索，以獲取與該聲音特征相關(guān)聯(lián)的知識(shí)點(diǎn)作為擴(kuò)展特征，并把所述擴(kuò)展特征也作為關(guān)鍵字元素加入所述關(guān)鍵字集合。

示例性地，所述接收需要檢索的聲音條目的描述特征包括：

接收用戶對(duì)需要檢索的聲音條目的描述語句；

利用自然語言處理技術(shù)從所述描述語句中提取所述描述特征。

示例性地，所述接收用戶對(duì)需要檢索的聲音條目的描述語句包括：

接收用戶通過文本方式或語音方式輸入的描述語句。

示例性地，所述接收需要檢索的聲音條目的描述特征包括：

接收用戶通過圖形交互界面方式選擇的描述特征。

示例性地，所述將所述關(guān)鍵字集合與聲音數(shù)據(jù)庫中的各個(gè)聲音條目的聲音標(biāo)簽分別進(jìn)行匹配包括：

通過余弦相似度匹配算法、詞向量距離匹配算法或神經(jīng)網(wǎng)絡(luò)匹配算法，將所述關(guān)鍵字集合分別與所述聲音數(shù)據(jù)庫中的各個(gè)聲音條目的聲音標(biāo)簽進(jìn)行匹配。