[發(fā)明專利]用于移動(dòng)客戶端的文本播放方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010000741.5
• 申請(qǐng)日: 2020-01-02
• 公開（公告）號(hào): CN111105779B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計(jì)）人: 胡帥君;李世龍;林喜;閆騰;李明輝
• 申請(qǐng)（專利權(quán)）人: 標(biāo)貝（北京）科技有限公司
• 主分類號(hào): G10L13/047
• 分類號(hào): G10L13/047
• 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)明實(shí)施例提供了用于移動(dòng)客戶端的文本播放方法、裝置、移動(dòng)客戶端和存儲(chǔ)介質(zhì)，文本包括多個(gè)文本句，方法包括：播放根據(jù)服務(wù)器實(shí)時(shí)合成的第一合成語音確定的第一播放語音，第一合成語音與文本播放請(qǐng)求中的第一文本句對(duì)應(yīng)；在開始播放第一播放語音的同時(shí)，將第一文本句之后的下一個(gè)文本句發(fā)送至服務(wù)器，以供服務(wù)器實(shí)時(shí)合成與下一個(gè)文本句對(duì)應(yīng)的第二合成語音；接收服務(wù)器返回的第二合成語音；基于第二合成語音確定第二播放語音；將第二播放語音存儲(chǔ)到播放列表，其中播放列表用于按順序存儲(chǔ)播放語音；在播放完根據(jù)第一合成語音確定的所有播放語音的情況下，播放第二播放語音。上述方案實(shí)現(xiàn)了對(duì)篇幅較長(zhǎng)的文本進(jìn)行語音合成時(shí)的實(shí)時(shí)且不間斷播放。

技術(shù)領(lǐng)域

本發(fā)明涉及文語轉(zhuǎn)換(TTS)技術(shù)領(lǐng)域，更具體地涉及一種用于移動(dòng)客戶端的文本播放方法、裝置、移動(dòng)客戶端和存儲(chǔ)介質(zhì)。

背景技術(shù)

文語轉(zhuǎn)換技術(shù)是一種將文字信息轉(zhuǎn)化為聲音信息的技術(shù)。文語轉(zhuǎn)換技術(shù)可以為廣大用戶及第三方應(yīng)用提供語音合成服務(wù)。結(jié)合語音合成服務(wù)，市場(chǎng)上逐漸涌現(xiàn)出一些落地的應(yīng)用場(chǎng)景，比如用戶用語音合成技術(shù)實(shí)現(xiàn)用自己的聲音給寶寶講故事，用自己的聲音導(dǎo)航等。

考慮到移動(dòng)客戶端在網(wǎng)絡(luò)連接、存儲(chǔ)資源等方面的局限性，現(xiàn)有的在移動(dòng)客戶端播放利用語音合成技術(shù)實(shí)時(shí)合成的語音的場(chǎng)景多是播放單句的情況，例如通過siri、小愛同學(xué)等智能語音助手進(jìn)行人機(jī)交互。上述人機(jī)交互通常是以問答的形式進(jìn)行的。智能語音助手每次接收到詢問之后，從數(shù)據(jù)庫查找對(duì)應(yīng)的文本句，并通過實(shí)時(shí)語音合成技術(shù)將查找到的文本句轉(zhuǎn)換為對(duì)應(yīng)的合成語音后播出。對(duì)于需要在移動(dòng)客戶端播放篇幅較長(zhǎng)的文本的情況，現(xiàn)有技術(shù)一般是通過語音合成技術(shù)獲取到與整個(gè)文本相對(duì)應(yīng)的合成語音，然后基于播放請(qǐng)求播放合成語音。

對(duì)于篇幅較長(zhǎng)的文本來說，如何在對(duì)其進(jìn)行語音合成的同時(shí)實(shí)時(shí)且不間斷地在移動(dòng)客戶端播放其語音，成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

考慮到上述問題而提出了本發(fā)明。

根據(jù)本發(fā)明一個(gè)方面，提供了一種用于移動(dòng)客戶端的文本播放方法，所述文本包括多個(gè)文本句，所述方法包括：

S100:播放根據(jù)服務(wù)器實(shí)時(shí)合成的第一合成語音確定的第一播放語音，所述第一合成語音與文本播放請(qǐng)求中的第一文本句對(duì)應(yīng)；

S200:在開始播放所述第一播放語音的同時(shí)，將所述第一文本句之后的下一個(gè)文本句發(fā)送至所述服務(wù)器，以供所述服務(wù)器實(shí)時(shí)合成與所述下一個(gè)文本句對(duì)應(yīng)的第二合成語音；

S300:接收所述服務(wù)器返回的所述第二合成語音；

S400:基于所述第二合成語音確定第二播放語音；

S500:將所述第二播放語音存儲(chǔ)到播放列表，其中所述播放列表用于按順序存儲(chǔ)播放語音；

S600:在播放完根據(jù)所述第一合成語音確定的所有播放語音的情況下，播放所述第二播放語音。

示例性地，所述步驟S400包括：將所述第二合成語音轉(zhuǎn)換為具有固定時(shí)長(zhǎng)的一個(gè)或多個(gè)第二播放語音；

所述步驟S500包括：將所述一個(gè)或多個(gè)第二播放語音按順序存儲(chǔ)到所述播放列表的對(duì)應(yīng)位置中；

所述方法還包括：

根據(jù)當(dāng)前播放的第二播放語音在所述播放列表中的位置計(jì)算已播放時(shí)長(zhǎng)；

根據(jù)當(dāng)前播放的第二播放語音在所述播放列表中的位置計(jì)算已播放時(shí)長(zhǎng)；

確定所述文本的播放總時(shí)長(zhǎng)；

基于所述已播放時(shí)長(zhǎng)和所述播放總時(shí)長(zhǎng)的比率，確定所述文本的播放進(jìn)度；

基于所述緩存時(shí)長(zhǎng)和所述播放總時(shí)長(zhǎng)的比率，確定所述文本的緩存進(jìn)度；