[發(fā)明專利]語(yǔ)音音頻處理方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202111565295.3
• 申請(qǐng)日: 2021-12-20
• 公開(kāi)（公告）號(hào): CN114495893A
• 公開(kāi)（公告）日: 2022-05-13
• 發(fā)明（設(shè)計(jì)）人: 許林林
• 申請(qǐng)（專利權(quán)）人: 青島海爾科技有限公司;海爾智家股份有限公司
• 主分類號(hào): G10L13/02
• 分類號(hào): G10L13/02;G10L15/02;G10L15/08
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 任少瑞

1.一種語(yǔ)音音頻處理方法，其特征在于，包括：

獲取目標(biāo)發(fā)音人的目標(biāo)語(yǔ)料；

基于所述目標(biāo)語(yǔ)料，生成所述目標(biāo)發(fā)音人對(duì)應(yīng)的目標(biāo)音頻資源包；

在接收到第一電子設(shè)備發(fā)送的表示請(qǐng)求下載所述目標(biāo)音頻資源包的下載請(qǐng)求的情況下，將所述目標(biāo)音頻資源包發(fā)送至第一電子設(shè)備，所述目標(biāo)音頻資源包用于生成與所述目標(biāo)發(fā)音人對(duì)應(yīng)的應(yīng)答語(yǔ)音；

其中，所述目標(biāo)音頻資源包包括至少一條語(yǔ)音音頻，所述語(yǔ)音音頻的播報(bào)音色為所述目標(biāo)發(fā)音人的音色；所述目標(biāo)語(yǔ)料包括所述目標(biāo)發(fā)音人發(fā)出的語(yǔ)音形式的語(yǔ)料，所述目標(biāo)語(yǔ)料的語(yǔ)料內(nèi)容包括預(yù)先確定的短語(yǔ)、語(yǔ)句、短篇和曲調(diào)中的至少一種。

2.根據(jù)權(quán)利要求1所述的語(yǔ)音音頻處理方法，其特征在于，所述基于所述目標(biāo)語(yǔ)料，生成所述目標(biāo)發(fā)音人對(duì)應(yīng)的目標(biāo)音頻資源包，包括：

將所述目標(biāo)語(yǔ)料輸入音頻合成模型，獲取所述音頻合成模型輸出的所述目標(biāo)音頻資源包；

其中，所述音頻合成模型，是以樣本發(fā)音人的樣本語(yǔ)料為樣本，以所述樣本發(fā)音人對(duì)應(yīng)的樣本音頻資源包為樣本標(biāo)簽預(yù)先構(gòu)建的；所述樣本音頻資源包，包括至少一條樣本語(yǔ)音音頻，所述樣本語(yǔ)音音頻的播報(bào)音色為所述樣本發(fā)音人的音色；所述樣本語(yǔ)料包括所述樣本發(fā)音人發(fā)出的語(yǔ)音形式的語(yǔ)料，所述目標(biāo)語(yǔ)料的語(yǔ)料內(nèi)容與所述樣本語(yǔ)料的語(yǔ)料內(nèi)容相同。

3.根據(jù)權(quán)利要求1或2所述的語(yǔ)音音頻處理方法，其特征在于，所述將所述目標(biāo)音頻資源包發(fā)送至第一電子設(shè)備之后，所述方法還包括：

接收所述第一電子設(shè)備發(fā)送的所述應(yīng)答語(yǔ)音的狀態(tài)信息；

基于所述狀態(tài)信息，更新所述音頻合成模型；

其中，所述狀態(tài)信息包括所述應(yīng)答語(yǔ)音播報(bào)的開(kāi)始時(shí)刻、結(jié)束時(shí)刻、所述應(yīng)答語(yǔ)音的標(biāo)識(shí)信息以及基于所述應(yīng)答語(yǔ)音的反饋信息中的至少一種。

4.根據(jù)權(quán)利要求1所述的語(yǔ)音音頻處理方法，其特征在于，所述基于所述目標(biāo)語(yǔ)料，生成所述目標(biāo)發(fā)音人對(duì)應(yīng)的目標(biāo)音頻資源包之后，所述方法還包括：

在接收到所述第一電子設(shè)備發(fā)送的語(yǔ)音指令的情況下，基于所述語(yǔ)音指令的聲紋特征，確定所述語(yǔ)音指令對(duì)應(yīng)的目標(biāo)發(fā)音人；

根據(jù)所述語(yǔ)音指令的處理結(jié)果，從所述目標(biāo)音頻資源包中確定目標(biāo)語(yǔ)音音頻，并基于所述處理結(jié)果和所述目標(biāo)語(yǔ)音音頻合成與所述目標(biāo)發(fā)音人對(duì)應(yīng)的應(yīng)答語(yǔ)音；

將所述應(yīng)答語(yǔ)音發(fā)送至所述第一電子設(shè)備，以使得所述第一電子設(shè)備接收到所述應(yīng)答語(yǔ)音之后，播報(bào)所述應(yīng)答語(yǔ)音。

5.一種語(yǔ)音音頻處理方法，其特征在于，包括：

根據(jù)接收到的語(yǔ)音指令的聲紋特征，確定所述語(yǔ)音指令對(duì)應(yīng)的目標(biāo)發(fā)音人；

在網(wǎng)絡(luò)狀態(tài)滿足特定條件時(shí)，查找與所述目標(biāo)發(fā)音人對(duì)應(yīng)的目標(biāo)音頻資源包；

根據(jù)所述語(yǔ)音指令的處理結(jié)果，從所述目標(biāo)音頻資源包中確定目標(biāo)語(yǔ)音音頻，并基于所述處理結(jié)果和所述目標(biāo)語(yǔ)音音頻合成應(yīng)答語(yǔ)音，并播報(bào)所述應(yīng)答語(yǔ)音。

6.根據(jù)權(quán)利要求5所述的語(yǔ)音音頻處理方法，其特征在于，所述在網(wǎng)絡(luò)狀態(tài)滿足特定條件時(shí)，查找與所述目標(biāo)發(fā)音人對(duì)應(yīng)的目標(biāo)音頻資源包之前，所述方法還包括：

向服務(wù)端發(fā)送表示請(qǐng)求下載目標(biāo)發(fā)音人對(duì)應(yīng)的目標(biāo)音頻資源包的下載請(qǐng)求；

接收并存儲(chǔ)所述服務(wù)端發(fā)送的所述目標(biāo)音頻資源包；其中，所述目標(biāo)音頻資源包，包括至少一條語(yǔ)音音頻，所述語(yǔ)音音頻的播報(bào)音色為所述目標(biāo)發(fā)音人的音色；所述目標(biāo)音頻資源包是基于所述目標(biāo)發(fā)音人的目標(biāo)語(yǔ)料生成的；所述目標(biāo)語(yǔ)料包括所述目標(biāo)發(fā)音人發(fā)出的語(yǔ)音形式的語(yǔ)料，所述目標(biāo)語(yǔ)料的語(yǔ)料內(nèi)容包括預(yù)先確定的短語(yǔ)、語(yǔ)句、短篇和曲調(diào)中的至少一種。

7.根據(jù)權(quán)利要求5所述的語(yǔ)音音頻處理方法，其特征在于，所述基于所述處理結(jié)果和所述目標(biāo)語(yǔ)音音頻合成應(yīng)答語(yǔ)音，并播報(bào)所述應(yīng)答語(yǔ)音之后，所述方法還包括：

獲取所述應(yīng)答語(yǔ)音的狀態(tài)信息；

將所述應(yīng)答語(yǔ)音的狀態(tài)信息發(fā)送至服務(wù)端，以使得所述服務(wù)端基于所述狀態(tài)信息更新用于獲取所述目標(biāo)音頻資源包的音頻合成模型；

其中，所述狀態(tài)信息，包括所述應(yīng)答語(yǔ)音播報(bào)的開(kāi)始時(shí)刻、結(jié)束時(shí)刻、所述應(yīng)答語(yǔ)音的標(biāo)識(shí)信息以及基于所述應(yīng)答語(yǔ)音的反饋信息中的至少一種。