[發明專利]新聞智能播報方法、裝置、設備及存儲介質

在審

• 申請號: 202011432581.8
• 申請日: 2020-12-10
• 公開（公告）號: CN112541078A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 蘇雪琦;王健宗;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/30;G06F40/289;G06F40/284;G06K9/62;G06N3/04;G06N3/08;G10L13/02;G10L13/10
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種新聞智能播報方法，其特征在于，所述新聞智能播報方法包括：

獲取待處理的新聞播報文本；

將所述新聞播報文本輸入預置語義預測模型進行語義預測，得到相應的語義向量；

將所述語義向量輸入預置語義分類模型進行分類，生成所述新聞播報文本中各語句對應的情緒標簽；

將所述新聞播報文本和所述各情緒標簽輸入預置文本轉語音模型進行音頻合成，輸出帶有多種情緒的新聞播報音頻。

2.根據權利要求1所述的新聞智能播報方法，其特征在于，在所述獲取待處理的新聞播報文本之前，還包括：

獲取語義預測訓練樣本集合和語義標簽集合，并建立樣本與標簽之間的匹配關系；

對所述預測訓練樣本集合和語義標簽集合進行切分，得到訓練樣本集合和測試樣本集合；

將所述訓練樣本集合輸入預置神經網絡模型進行語義預測訓練，得到語義預測模型；

將所述測試樣本集合輸入所述語義預測模型進行模型性能測試，若測試結果為良好，則模型訓練結束，否則繼續進行模型訓練。

3.根據權利要求1或2所述的新聞智能播報方法，其特征在于，所述語義預測模型依次包括特征識別網絡、詞向量合成網絡，所述將所述新聞播報文本輸入預置語義預測模型進行語義預測，得到相應的語義向量包括：

對所述新聞播報文本進行分詞，得到帶詞序的多個分詞；

將所述各分詞依次輸入所述特征識別網絡進行特征抽取，輸出所述各分詞對應的詞向量和語義權重；

將所述各詞向量輸入所述詞向量合成網絡，并根據所述語義權重對所述各詞向量進行加權融合，輸出相應的語義向量。

4.根據權利要求1所述的新聞智能播報方法，其特征在于，在所述獲取待處理的新聞播報文本之前，還包括：

獲取語義分類樣本，并對所述語義分類樣本添加分類標簽信息；

對預置決策樹模型進行初始化，并將所述語義分類樣本與對應的分類標簽信息輸入所述決策樹模型中；

通過所述決策樹模型，對所述語義分類樣本進行處理，得到所述語義分類樣本的分類預測結果；

根據所述分類預測結果和分類標簽信息，對所述決策樹模型的參數進行優化，直至所述決策樹模型收斂，得到語義分類模型。

5.根據權利要求1或4所述的新聞智能播報方法，其特征在于，所述語義分類模型依次包括特征提取網絡、特征識別網絡、分類網絡，所述將所述語義向量輸入預置語義分類模型進行分類，生成所述新聞播報文本中各語句對應的情緒標簽包括：

將所述語義向量輸入所述特征提取網絡進行特征提取，輸出多個對應的特征；

將所述多個對應的特征輸入所述特征識別網絡進行特征測試，輸出測試結果；

將所述測試結果輸入所述分類網絡，并根據所述測試結果將所述語義向量進行節點分配，輸出所述語義向量的分類樹；

基于所述語義向量的分類樹，生成所述新聞播報文本中各語句對應的情緒標簽。

6.根據權利要求1所述的新聞智能播報方法，其特征在于，所述文本轉語音模型依次包括文本預處理網絡、音律預測網絡、語音合成網絡，所述將所述新聞播報文本和所述各情緒標簽輸入預置文本轉語音模型進行音頻合成，輸出帶有多種情緒的新聞播報音頻包括：

對所述新聞播報文本進行語句劃分，得到帶語序的多個語句；

將所述各語句和所述各語句對應的情緒標簽輸入所述文本預處理網絡進行音素序列化處理，輸出音素序列；

將所述音素序列輸入所述音律預測網絡進行音律預測，得到音律合成類型信息；

將所述音律合成類型信息輸入所述語音合成網絡進行波形生成，輸出帶有多種情緒的新聞播報音頻。

7.根據權利要求1所述的新聞智能播報方法，其特征在于，在所述將所述新聞播報文本和所述各情緒標簽輸入預置文本轉語音模型進行音頻合成，輸出帶有多種情緒的新聞播報音頻之后，還包括：

根據預置時間戳，對所述新聞播報音頻進行可視化剪輯，得到多種不同情緒下的情感語音；

將所述各情感語音及所述各情感語音對應的情緒標簽提交人工審核。