[發(fā)明專利]一種多人文本語音轉(zhuǎn)換裝置及方法

在審

• 申請?zhí)枺?/td>: 202010949442.6
• 申請日: 2020-09-10
• 公開（公告）號: CN112102809A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計(jì)）人: 李強(qiáng);喬文霞;李志
• 申請（專利權(quán)）人: 北方民族大學(xué)
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L13/04;G10L13/08;G10L15/26;G10L17/02
• 代理公司: 北京方圓嘉禾知識產(chǎn)權(quán)代理有限公司 11385
• 代理人: 程華

本發(fā)明公開了一種多人文本語音轉(zhuǎn)換裝置及方法，該裝置包括麥克風(fēng)設(shè)備、鍵鼠及手寫板、智能音箱設(shè)備和接收設(shè)備；所述麥克風(fēng)設(shè)備用于接收用戶發(fā)出的語音信息；所述鍵鼠及手寫板用于傳輸用戶的文本信息；所述智能音箱設(shè)備用于傳出經(jīng)語音合成系統(tǒng)將文本信息轉(zhuǎn)換成的語音信息；所述接收設(shè)備用于接收用戶傳遞的語音信息轉(zhuǎn)換成的文本信息。本發(fā)明還公開了一種多人文本語音轉(zhuǎn)換方法。本發(fā)明在多人協(xié)同語音辦公場景下，用戶根據(jù)現(xiàn)有設(shè)備及所處環(huán)境選擇適合的交互設(shè)備，不同交互設(shè)備用戶所述的語音信息、文本信息或者語音和文本兩種信息都存在的情況下，通過文本語音后臺(tái)服務(wù)器完成文本語音之間的轉(zhuǎn)換，使得多人之間的交互更加自然友好，從而提高工作效率。

技術(shù)領(lǐng)域

本發(fā)明屬于智能語音交互技術(shù)領(lǐng)域，涉及一種多人文本語音轉(zhuǎn)換裝置及方法。

背景技術(shù)

目前，語音識別技術(shù)廣泛應(yīng)用于人機(jī)交互領(lǐng)域中，現(xiàn)有的語音識別技術(shù)能夠準(zhǔn)確地和快速地識別語音信號對應(yīng)的發(fā)言對象以及語音信號本身地含義，這極大地推動(dòng)了人機(jī)交互的應(yīng)用和發(fā)展。隨著智能設(shè)備的普及，目前大多數(shù)智能設(shè)備(智能手機(jī)，智能音箱等)具有自動(dòng)發(fā)音功能，但是目前大部分智能設(shè)備只能單純地發(fā)出機(jī)器聲音，對于需要通過智能設(shè)備進(jìn)行語音交互的用戶來說，機(jī)器聲音比較單調(diào)乏味，聽起來沒有自然語言那樣生動(dòng)形象，且過于生硬，并不能體現(xiàn)出用戶本身的特色。除此之外，在協(xié)同辦公場景下，目前用戶對于所述語音信息、文本信息或者文本和語音兩種信息都存在的情況下對信息的存儲(chǔ)管理不夠完善。

綜上所述，現(xiàn)有技術(shù)存在的問題是：在協(xié)同辦公場景下，如何實(shí)現(xiàn)個(gè)性化的語音合成以及完善對信息的存儲(chǔ)管理，使得用戶之間的交流自然友好，高效完成辦公任務(wù)。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中存在的缺陷，提供一種多人文本語音轉(zhuǎn)換裝置及方法，該技術(shù)方案旨在多人協(xié)同語音辦公場景下，用戶在身份確認(rèn)之后可以根據(jù)現(xiàn)有設(shè)備及所處環(huán)境選擇適合的交互設(shè)備，根據(jù)不同交互設(shè)備用戶所述的語音信息、文本信息或者語音和文本兩種信息都存在的情況下，可以通過文本-語音后臺(tái)服務(wù)器完成文本-語音之間的轉(zhuǎn)換，使得多人之間的交互更加自然友好，從而提高工作效率。

其技術(shù)方案如下：

一種多人文本語音轉(zhuǎn)換裝置，包括麥克風(fēng)設(shè)備、鍵鼠及手寫板、智能音箱設(shè)備和接收設(shè)備；

所述麥克風(fēng)設(shè)備，用于接收用戶發(fā)出的語音信息；

所述鍵鼠及手寫板，用于傳輸用戶的文本信息；

所述智能音箱設(shè)備，用于傳出經(jīng)語音合成系統(tǒng)將文本信息轉(zhuǎn)換成的語音信息；

所述接收設(shè)備，用于接收用戶傳遞的語音信息轉(zhuǎn)換成的文本信息。

進(jìn)一步，所述接收設(shè)備包括顯示器設(shè)備、平板電腦、筆記本電腦、智能手表和其他(智能汽車等)。

進(jìn)一步，還包括存儲(chǔ)管理模塊，所述存儲(chǔ)管理模塊包括文本數(shù)據(jù)庫、語音數(shù)據(jù)庫和個(gè)人資料庫，所述文本數(shù)據(jù)庫和語音數(shù)據(jù)庫之間通過語音、人物、文本的關(guān)系連接在一起；

所述文本數(shù)據(jù)庫，用于存儲(chǔ)用戶鍵鼠或觸屏方式傳輸?shù)奈谋拘畔⒒蛘呓?jīng)過語音識別將語音信息轉(zhuǎn)換成的文本信息；

所述語音數(shù)據(jù)庫，用于存儲(chǔ)來自用戶麥克風(fēng)的語音信息。

進(jìn)一步，還包括麥克風(fēng)語音信息融合模塊，所述麥克風(fēng)語音信息融合模塊包括麥克風(fēng)信息采集、語音信息增強(qiáng)和語音信息存儲(chǔ)格式；

所述麥克風(fēng)采集信息，調(diào)用不同設(shè)備的麥克風(fēng)采集用戶語音信息；

所述語音信息增強(qiáng)，用于對不同設(shè)備采集到的不同頻率的語音信息進(jìn)行降噪和融合，

使得用戶通過音箱接收到的語音信息更加清晰；