[發明專利]語音交互方法、智能語音裝置以及存儲介質

在審

• 申請號: 202211609747.8
• 申請日: 2022-12-14
• 公開（公告）號: CN116246608A
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 吳云海
• 申請（專利權）人: 深圳市奮達科技股份有限公司
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L13/08
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 王毅

本發明提供一種語音交互方法、智能語音裝置以及存儲介質，該語音交互方法包括：S101：錄制本地語音，獲取本地語音的語音特征參數，上傳語音特征參數，其中，接收語音特征參數的對象根據語音特征參數生成關鍵語音特征參數；S102：下載關鍵語音特征參數，接收輸入的本地語音，根據本地語音對應的關鍵語音特征參數以及存儲的關鍵語音特征參數生成合成語音以進行語音對話。本發明能夠針對不同的用戶使用相應的聲音進行對話，提高了親和力和合成語音的仿真度，提升了用戶體驗。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種語音交互方法、智能語音裝置以及存儲介質。

背景技術

語音合成是通過機器將文字轉換為聲音的技術，又被稱為文語轉換(Test-To-Speech，TTS)，目前，語音合成技術在國際上已經取得了普遍發展，各種語言都有各自的語音合成系統，為了讓系統具有更好的重用性、通用性和擴展性，多語種的語音合成便成為了國內外研究的熱點，多語種的語音合成是指能夠用一個語音合成系統取得不同說話人、不同語種的合成語音。目前，智能終端的語音交互系統應用了語音合成技術，以實現與用戶的溝通交流。

然而，在現有的語音交互系統中，輸出的語音的音色一般為默認音色，即面對不同的用戶，均使用相同的聲音與用戶進行對話，導致與用戶的親和力不足，降低用戶體驗。

發明內容

為了克服現有技術的不足，本發明提出一種語音交互方法、智能語音裝置以及存儲介質，錄制本地語音，提取本地語音的語音特征參數，上傳語音特征參數，下載并存儲語音特征參數處理后生成的關鍵語音特征參數，并在接收到本地語音后，根據該本地語音的語音特征參數以及存儲的關鍵語音特征參數進行語音的合成，從而能夠針對不同的用戶使用相應的聲音進行對話，提高了親和力和合成語音的仿真度，提升了用戶體驗。

為解決上述問題，本發明采用的一個技術方案為：一種語音交互方法，所述語音交互方法包括：S101：錄制本地語音，獲取本地語音的語音特征參數，上傳所述語音特征參數，其中，接收所述語音特征參數的對象根據所述語音特征參數生成關鍵語音特征參數；S102：下載所述關鍵語音特征參數，接收輸入的本地語音，根據本地語音對應的關鍵語音特征參數以及存儲的關鍵語音特征參數生成合成語音以進行語音對話。

進一步地，所述錄制本地語音，獲取本地語音的語音特征參數的步驟具體包括：通過送話器采集并錄制本地語音，利用自動語音識別技術提取所述本地語音的語音特征參數。

進一步地，所述上傳所述語音特征參數的步驟具體包括：將所述語音特征參數上傳至服務器，所述服務器分析計算所述語音特征參數，提取合成語音對應的關鍵語音特征參數。

進一步地，所述下載所述語音特征參數對應的關鍵語音特征參數的步驟之后還包括：將所述關鍵語音特征參數存入合成語音庫，壓縮所述合成語音庫中的信息。

進一步地，所述根據本地語音對應的關鍵語音特征參數以及存儲的關鍵語音特征參數生成合成語音的步驟具體包括：獲取所述本地語音對應的關鍵語音特征參數，判斷是否存儲有所述關鍵語音特征參數；若是，則利用所述關鍵語音特征參數生成合成語音；若否，則使用預設模式生成合成語音，并執行S101，下載本地語音對應的關鍵語音特征參數。

進一步地，所述利用所述語音特征參數生成合成語音的步驟具體包括：根據所述語音特征參數啟動應用，并根據所述語音特征參數對應的用戶的語音交互對象生成合成語音。

進一步地，所述根據本地語音對應的語音特征參數以及存儲的關鍵語音特征參數生成合成語音的步驟之后還包括：采集輸出的合成語音，將合成語音的參數與標準合成語音的參數進行對比，獲取對比結果。

進一步地，所述將合成語音的參數與標準合成語音的參數進行對比，獲取對比結果的步驟具體包括：根據可懂度、自然度、情緒飽滿度將所述合成語音與標準合成語音進行對比獲取所述合成語音的量化數據，基于所述量化數據生成評估結果。