[發(fā)明專利]文本轉(zhuǎn)語(yǔ)音方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011640955.5
• 申請(qǐng)日: 2020-12-31
• 公開（公告）號(hào): CN112820269A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計(jì)）人: 李俊杰;陳閩川;馬駿;王少軍
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G10L13/04
• 分類號(hào): G10L13/04;G10L13/10;G06F40/30;G06F40/289;G06F40/284
• 代理公司: 深圳市沃德知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及自然語(yǔ)言處理技術(shù)，揭露一種文本轉(zhuǎn)語(yǔ)音方法，包括：接收待轉(zhuǎn)換文本，對(duì)所述待轉(zhuǎn)換文本執(zhí)行字嵌入及位置嵌入，得到文本編碼向量，從所述文本編碼向量中提取語(yǔ)義信息，得到語(yǔ)義向量，對(duì)所述待轉(zhuǎn)換文本執(zhí)行詞性標(biāo)注，得到詞性標(biāo)注信息，對(duì)所述待轉(zhuǎn)換文本執(zhí)行分詞，得到詞組集，利用所述語(yǔ)義向量及所述詞性標(biāo)注信息，檢測(cè)所述詞組集中每組詞組的音調(diào)及拼音，得到音調(diào)集及拼音集，合成所述音調(diào)集及所述拼音集，得到所述待轉(zhuǎn)換文本的語(yǔ)音。本發(fā)明還揭露文本轉(zhuǎn)語(yǔ)音裝置、電子設(shè)備以及存儲(chǔ)介質(zhì)。本發(fā)明可解決文本轉(zhuǎn)語(yǔ)音的準(zhǔn)確率較低。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語(yǔ)言處理領(lǐng)域，尤其涉及一種文本轉(zhuǎn)語(yǔ)音方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

伴隨人工智能蓬勃發(fā)展，文本轉(zhuǎn)語(yǔ)音技術(shù)(TTS)也成為熱點(diǎn)的技術(shù)突破方向，目前文本轉(zhuǎn)語(yǔ)音技術(shù)主要結(jié)合中文分詞、多音字消歧、韻律劃分等傳統(tǒng)方法，由于缺少對(duì)文本的深度提取，導(dǎo)致文本轉(zhuǎn)語(yǔ)音的準(zhǔn)確率較低。也有部分文本轉(zhuǎn)語(yǔ)音技術(shù)基于神經(jīng)網(wǎng)絡(luò)來(lái)提升數(shù)據(jù)特征的效果，但所使用的神經(jīng)網(wǎng)絡(luò)較簡(jiǎn)單，導(dǎo)致文本轉(zhuǎn)語(yǔ)音的準(zhǔn)確率有待進(jìn)一步提高。

發(fā)明內(nèi)容

本發(fā)明提供一種文本轉(zhuǎn)語(yǔ)音方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其主要目的在于解決文本轉(zhuǎn)語(yǔ)音的準(zhǔn)確率較低。

為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種文本轉(zhuǎn)語(yǔ)音方法，包括：

接收待轉(zhuǎn)換文本，對(duì)所述待轉(zhuǎn)換文本執(zhí)行字嵌入及位置嵌入，得到文本編碼向量；

從所述文本編碼向量中提取語(yǔ)義信息，得到語(yǔ)義向量；

對(duì)所述待轉(zhuǎn)換文本執(zhí)行詞性標(biāo)注，得到詞性標(biāo)注信息；

對(duì)所述待轉(zhuǎn)換文本執(zhí)行分詞，得到詞組集；

利用所述語(yǔ)義向量及所述詞性標(biāo)注信息，檢測(cè)所述詞組集中每組詞組的音調(diào)及拼音，得到音調(diào)集及拼音集；

合成所述音調(diào)集及所述拼音集，得到所述待轉(zhuǎn)換文本的語(yǔ)音。

可選地，所述對(duì)所述待轉(zhuǎn)換文本執(zhí)行字嵌入及位置嵌入，得到文本編碼向量，包括：

將所述待轉(zhuǎn)換文本執(zhí)行去噪及分詞處理，得到待轉(zhuǎn)換詞組集；

根據(jù)所述待轉(zhuǎn)換詞組集的數(shù)量，構(gòu)建相同數(shù)量且向量維度固定的空向量，將所述待轉(zhuǎn)換詞組集中每個(gè)待轉(zhuǎn)換詞組映射至所述空向量中，得到字嵌入向量集；

計(jì)算所述待轉(zhuǎn)換詞組集中每個(gè)待轉(zhuǎn)換詞組在所述待轉(zhuǎn)換文本的位置，得到詞組位置集，根據(jù)所述詞組位置集構(gòu)建位置向量集；

組合所述字嵌入向量集及所述位置向量集，得到所述文本編碼向量。

可選地，所述從所述文本編碼向量中提取語(yǔ)義信息，得到語(yǔ)義向量，包括：

構(gòu)建并訓(xùn)練語(yǔ)義提取模型，當(dāng)訓(xùn)練完成時(shí)，從所述語(yǔ)義提取模型中提取自注意力計(jì)算機(jī)制；

利用所述自注意力計(jì)算機(jī)制，提取所述文本編碼向量的語(yǔ)義信息，得到所述語(yǔ)義向量。

可選地，所述訓(xùn)練語(yǔ)義提取模型，包括：

獲取訓(xùn)練文本集及語(yǔ)義標(biāo)簽集；

將所述訓(xùn)練文本集輸入至所述語(yǔ)義提取模型中，計(jì)算所述訓(xùn)練文本集中每個(gè)訓(xùn)練文本與其他訓(xùn)練文本的相似度，得到相似度集；

歸一化所述相似度集得到權(quán)重集，利用所述權(quán)重集生成所述訓(xùn)練文本集的編碼向量集；

對(duì)所述編碼向量集及所述訓(xùn)練文本集執(zhí)行解碼操作，得到語(yǔ)義預(yù)測(cè)集；

計(jì)算所述語(yǔ)義預(yù)測(cè)集與所述語(yǔ)義標(biāo)簽集的誤差值，判斷所述誤差值是否在預(yù)設(shè)誤差范圍內(nèi)；