[發明專利]一種合成語音的識別方法、系統、智能設備和存儲介質

在審

• 申請號: 202111208088.2
• 申請日: 2021-10-18
• 公開（公告）號: CN113921012A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 王安杰
• 申請（專利權）人: 山東灃品信息網絡科技有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L25/63
• 代理公司: 佛山粵進知識產權代理事務所(普通合伙) 44463
• 代理人: 張敏

本發明實施例公開了一種合成語音的識別方法、系統、智能設備和存儲介質。合成語音的識別方法包括：獲取目標待識別語音數據，根據目標待識別語音獲取目標待識別文字數據；獲取目標待識別語音數據中每個發音音素的語音情感數據和目標待識別文字數據中每個單詞的文字情感數據；判斷語音情感數據和文字情感數據是否匹配，若語音情感數據和文字情感數據匹配，則判定目標待識別語音數據為非合成語音數據。本發明可以有效提升合成語音識別的準確性和可靠性。

技術領域

本發明涉及語音識別技術領域，尤其涉及一種合成語音的識別方法、系統、智能設備和存儲介質。

背景技術

語音合成，又稱文語轉換(Text to Speech，TTS)技術，是利用電子計算機和一些專門裝置模擬人，制造語音的技術。還有的語音合成技術是采集說話人的多個語音片段，根據目標文字對語音片段進行截取、拼接，生成新的合成語音。

對語音數據是否為合成語音的判斷，采用的是判斷語句的連續性、停頓是否正常等方式。隨著合成語音與真實語音越來越接近，如何鑒別哪些聲音是真實的，哪些是偽造的是當前研究的一項重要課題，關系著諸如聲紋識別、語音解鎖等識別技術的安全性。

發明內容

基于此，有必要針對上述問題，提出了一種合成語音的識別方法、系統、智能設備和存儲介質。

本發明解決其技術問題所采用的技術方案是：提供一種合成語音的識別方法，包括：獲取目標待識別語音數據，根據所述目標待識別語音獲取目標待識別文字數據；獲取所述目標待識別語音數據中每個發音音素的語音情感數據和所述目標待識別文字數據中每個單詞的文字情感數據；判斷所述語音情感數據和所述文字情感數據是否匹配，若所述語音情感數據和所述文字情感數據匹配，則判定所述目標待識別語音數據為非合成語音數據。

其中，所述判斷所述語音情感數據和所述文字情感數據是否匹配的步驟，包括：獲取相鄰的兩個發音音素的發音情感連續數據和/或發音情感轉折數據，以及相鄰兩個單詞的文字情感連續數據和/或文字情感轉折數據；判斷所述發音情感連續數據和文字情感連續數據是否匹配和/或所述發音情感轉折數據和所述文字情感轉折數據是否匹配。

其中，所述獲取所述目標待識別語音數據中每個發音音素的語音情感數據的步驟之前，包括：通過語音識別技術獲取所述目標待識別語音數據中的至少一個所述發音音素。

其中，所述判斷所述語音情感數據和所述文字情感數據是否匹配的步驟之前，包括：獲取所述目標待識別語音的時間維度，將所述語音情感數據和所述文字情感數據在所述時間維度進行對齊。

其中，所述判斷所述語音情感數據和所述文字情感數據是否匹配的步驟，包括：根據所述語音情感數據獲取所述目標待識別語音數據的語音目標情感數據，根據所述文字情感數據獲取所述目標待識別文字數據的文字目標情感數據；判斷所述語音目標情感數據和所述文字目標情感數據是否匹配。

其中，所述根據所述語音情感數據獲取所述目標待識別語音數據的語音目標情感數據，根據所述文字情感數據獲取所述目標待識別文字數據的文字目標情感數據的步驟之前，包括：獲取每個所述語音情感數據的語音情感權重，獲取每個所述文字情感數據的文字情感權重。

其中，所述獲取每個所述語音情感數據的語音情感權重，獲取每個所述文字情感數據的文字情感權重的步驟，包括：通過注意力運算獲取所述語音情感權重和所述文字情感權重。

本發明解決其技術問題所采用的技術方案是：提供一種合成語音的識別系統，包括：獲取模塊，用于獲取目標待識別語音數據，根據所述目標待識別語音獲取目標待識別文字數據；情感模塊，用于獲取所述目標待識別語音數據中每個發音音素的語音情感數據和所述目標待識別文字數據中每個單詞的文字情感數據；判斷模塊，用于判斷所述語音情感數據和所述文字情感數據是否匹配，若所述語音情感數據和所述文字情感數據匹配，則判定所述目標待識別語音數據為非合成語音數據。