[發明專利]一種支持聲音克隆的智能車載語音交互系統

在審

• 申請號: 202110216036.3
• 申請日: 2021-02-26
• 公開（公告）號: CN113053373A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 孫琪
• 申請（專利權）人: 上海聲通信息科技股份有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L17/22;G10L15/26;G10L15/02;G10L15/18;G10L13/08;G10L13/033
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明實例提供一種支持聲音克隆的智能車載語音交互系統，以提高車載語音交互的質量和服務體驗。一種支持聲音克隆的智能車載語音交互系統，包括語料采集模塊、文本特征提取模塊、語音特征提取模塊、指令接收模塊、指令分析模塊、指令執行模塊、文本回應模塊、克隆合成模塊、語音輸出模塊、基礎支持模塊。相比于現有技術，本發明實例的技術效果和優點：本發明實例提出了一種支持聲音克隆的智能車載語音交互系統，不僅能與用戶進行實時的語音交互，還可按照用戶需求，為語音回應定制特定的聲音、習慣用語。因此，本發明實例中的語音交互系統能夠快速、便捷地用戶語音指令轉變為實際駕乘操作，保障了用戶行車安全，更重要的是能提供“千人千聲”的智能化、個性化、人性化交互，為車輛應答系統賦予了情感色彩，極大提升用戶的駕乘體驗，使旅途更加溫馨、舒適。

技術領域

本發明涉及語音交互技術領域，特別是涉及一種支持聲音克隆的智能車載語音交互系統。

背景技術

近年來，隨著我國經濟水平和人民生活質量的高速發展，汽車已成為人們日常出行中必不可少的重要交通工具，在日常通勤、假日出游、貨物運輸等各類場景下發揮著極大作用。車載智能交互系統不僅能提供便捷迅速的駕車輔助服務，更極大提升了駕乘人員的行車體驗，使汽車從冰冷的運載工具升級為人性化的情感伙伴。其中，語音交互具有輸入更快捷、操作更簡化、安全更有保障等突出優勢，是天然適應車載環境的智能交互方式，可以提供申請查詢、智能導航、音樂播放、執行駕乘操作等多種服務。

目前，車載語音交互系統功能十分有限，部分車型通過接入語音控制終端能夠實現一些簡單操作，但其語音識別能力差、功能簡單且穩定性不足、交互過程機械，無法滿足日趨智能化、人性化、個性化的交互需求。

聲音克隆技術能夠提取特定說話人的聲音特征和邏輯特點，模擬其獨特音色和慣用語匯。將聲音克隆技術應用于構建車載語音交互系統，能夠根據用戶喜好提供“千人千聲”的定制化服務，在智能解讀并穩定執行用戶指令的同時，與用戶產生情感互動，提升行車體驗，加強用戶與車輛的羈絆感。

發明內容

針對上述問題，本發明實例提供一種支持聲音克隆的智能車載語音交互系統，以提高車載語音交互的質量和服務體驗。

為實現上述目的，本發明實例提供如下技術方案：

一種支持聲音克隆的智能車載語音交互系統，包括語料采集模塊、(文本特征提取模塊、語音特征提取模塊、)指令接收模塊、指令分析模塊、指令執行模塊、文本回應模塊、克隆合成模塊、語音輸出模塊、基礎支持模塊。

語料采集模塊：通過外設語音接收器采集用戶希望進行克隆的原始目標語料，對所述原始目標語料進行降噪、濾波、音量均衡等預處理，并將預處理后的目標語料輸入文本特征提取模塊和語音特征提取模塊。

文本特征提取模塊：接收所述語料采集模塊輸入的所述目標語料，對所述目標語料進行語音識別，得到所述目標語料的文本信息。將所述文本信息轉換為文本特征向量，形成所述文本信息的特征向量空間，儲存所述文本特征向量空間。

語音特征提取模塊：接收所述語料采集模塊輸入的所述目標語料，提取所述目標語料的聲學特征(如線性預測編碼特征、梅爾頻率倒譜系數、聲門波等)、韻律特征(語調、時域分布、重音等)、能量特征(短時能量、短時平均幅度等)、音色特征(基音周期和基音頻率、共振峰等)，形成語音特征向量空間，儲存所述語音特征向量空間。

指令接收模塊：通過外設語音接收器接收用戶行車過程中發出的原始語音指令，并進行用戶身份驗證、用戶權限確定、環境聲分離等預處理，將預處理后的語音指令輸入指令分析模塊。

指令分析模塊：接收所述指令接收模塊輸入的所述語音指令，智能化分析用戶意圖，得出相應的指令處理結果，激活并將所述指令處理結果輸入指令執行模塊和/或文本回應模塊。