[發明專利]生成合成語音輸入

在審

• 申請號: 202211190699.3
• 申請日: 2022-09-28
• 公開（公告）號: CN115910029A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 納姆迪·卡盧;費爾南多·費爾南德斯;尤里·菲爾斯特;埃爾溫·詹森;拉凱什·伊耶;楊凌峰
• 申請（專利權）人: 谷歌有限責任公司
• 主分類號: G10L13/04
• 分類號: G10L13/04;G10L13/047;G10L13/08;G10L13/10
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 鄧聰惠;周亞榮

1.一種由計算設備的一個或多個處理器實現的方法，所述方法包括：

接收文本和一個或多個仿真語音參數，其中，響應于與仿真器的仿真接口的用戶交互而接收所述文本和所述一個或多個仿真語音參數，所述仿真器具有仿真麥克風組件；

基于所述文本和所述一個或多個仿真語音參數來生成合成語音音頻數據，其中，生成所述合成語音音頻數據包括使用語音合成模型并且基于所述一個或多個仿真語音參數來處理所述文本；

將所述合成語音音頻數據提供給所述仿真麥克風組件；以及

響應于提供所述合成語音音頻數據：

使得使用語音到文本模型將所述合成語音音頻數據轉換成經轉換的文本；以及

處理經轉換的文本以使得執行一個或多個動作。

2.根據權利要求1所述的方法，其中，所述合成語音音頻數據是脈沖編碼調制(PCM)音頻數據。

3.根據權利要求1所述的方法，其中，所述一個或多個仿真語音參數包括用于所述合成語音音頻數據的語速。

4.根據權利要求1所述的方法，其中，所述一個或多個仿真語音參數包括用于所述合成語音音頻數據的語言。

5.根據權利要求4所述的方法，還包括：

將所述文本翻譯成所述語言的第二文本，其中，生成所述合成語音音頻數據包括基于所述第二文本來生成所述合成語音音頻數據。

6.根據權利要求1所述的方法，其中，代替在所述計算設備處基于所述文本和所述一個或多個仿真語音參數來生成合成語音音頻數據，從第二計算設備接收合成語音音頻數據，所述合成語音音頻數據是在所述第二計算設備處使用語音合成模型基于所述一個或多個仿真語音參數來處理所述文本的結果。

7.根據權利要求1所述的方法，其中，處理經轉換的文本以使得執行一個或多個動作包括：

將經轉換的文本與所述文本進行比較；以及

基于所述比較來確定指示經轉換的文本與所述文本之間的相似性的準確度分值。

8.一種包括一個或多個處理器和存儲指令的存儲器的系統，所述指令當由所述一個或多個處理器執行時，使得所述一個或多個處理器執行包括以下的操作：

接收文本和一個或多個仿真語音參數，其中，響應于與仿真器的仿真接口的用戶交互而接收所述文本和所述一個或多個仿真語音參數，所述仿真器具有仿真麥克風組件；

基于所述文本和所述一個或多個仿真語音參數來生成合成語音音頻數據，其中，生成所述合成語音音頻數據包括使用語音合成模型并且基于所述一個或多個仿真語音參數來處理所述文本；

將所述合成語音音頻數據提供給所述仿真麥克風組件；以及

響應于提供所述合成語音音頻數據：

使得使用語音到文本模型將所述合成語音音頻數據轉換成經轉換的文本；以及

處理經轉換的文本以使得執行一個或多個動作。

9.根據權利要求8所述的系統，其中，所述合成語音音頻數據是脈沖編碼調制(PCM)音頻數據。

10.根據權利要求8所述的系統，其中，所述一個或多個仿真語音參數包括用于所述合成語音音頻數據的語速。

11.根據權利要求8所述的系統，其中，所述一個或多個仿真語音參數包括用于所述合成語音音頻數據的語言。

12.根據權利要求11所述的系統，其中，所述操作還包括：

將所述文本翻譯成所述語言的第二文本，其中，生成所述合成語音音頻數據包括基于所述第二文本來生成所述合成語音音頻數據。