CN110619888A - 一种ai语音速率调整方法、装置及电子设备 - Google Patents
一种ai语音速率调整方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110619888A CN110619888A CN201910939380.8A CN201910939380A CN110619888A CN 110619888 A CN110619888 A CN 110619888A CN 201910939380 A CN201910939380 A CN 201910939380A CN 110619888 A CN110619888 A CN 110619888A
- Authority
- CN
- China
- Prior art keywords
- voice
- parameter
- adjustment
- difference value
- voice parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000004044 response Effects 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 description 102
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/04—Time compression or expansion
- G10L21/043—Time compression or expansion by changing speed
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Telephone Function (AREA)
Abstract
本发明公开了一种AI语音速率调整方法、装置及电子设备,所述方法包括:创建与不同AI语音风格相匹配的AI语音参数集;在所述语音参数集中查找与用户选择的AI语音风格相匹配的AI语音参数,并根据所述AI语音参数播放语音,处理对话应答;实时分析通话对象的语音参数与所述AI语音参数的差异值;将所述差异值与预设阈值进行比较;若所述差异值超过所述预设阈值,调整所述语音参数。本发明的AI语音速率调整方法,通过实时对比通话对象的语音参数与AI语音参数的差异值,当差异值大于预设阈值时,调整AI语音参数,从而保证通话对象的语速与机器人的语速相匹配。
Description
技术领域
本发明涉及AI语音技术领域,具体而言,涉及一种AI语音速率调整方法、装置、电子设备及计算机可读介质。
背景技术
AI(人工智能,Artificial Intelligence)语音技术近几年发展迅速,各大智能设备均以搭载智能语音AI技术为卖点,人们越来越来渴望可以自然便捷地与机器进行交流,从传统的一问一答的语音交互***到目前较流行的多轮问答的语音交互***,AI交互越来越接近人人交互,在用户体验上有了很大的提升。
然而通过各种技术手段合成的AI语音播放速率通常是固定不变的,在实际应用场景中,不同人对于AI语音的响应速度,间隔长短,语音速度感受不完全一致。这就导致在人机对话过程中,有的用户感觉机器人语速太快,或者每句话之间的间隔时间太短,或者机器人的反应速度太快,而有些用户感觉机器人语速太慢,或者每句话之间的间隔时间太长,或者机器人的反应速度太慢。在一种极端情况中可能会出现用户插不上话或机器人不能正常应答,导致对话无法正常进行的情况,影响用户体验。
发明内容
本发明旨在解决现有技术中AI语音播放速率固定,无法适应不同用户对话语速的技术问题。
为了解决上述技术问题,本发明第一方面提出一种AI语音速率调整方法,所述方法包括:
创建与不同AI语音风格相匹配的AI语音参数集;
在所述语音参数集中查找与用户选择的AI语音风格相匹配的AI语音参数,并根据所述AI语音参数播放语音,处理对话应答;
实时分析通话对象的语音参数与所述AI语音参数的差异值;
将所述差异值与预设阈值进行比较;
若所述差异值超过所述预设阈值,调整所述语音参数。
根据本发明一种较佳的实施方式,所述方法还包括:
创建语音调整模型,若所述差异值超过所述预设阈值,根据所述语音调整模型调整所述语音参数。
根据本发明一种较佳的实施方式,所述方法还包括:
对比当前通话对象的语音参数与当前AI语音参数得到第一结果,对比调整语音参数前通话对象的语音参数和调整语音参数后通话对象的语音参数得到第二结果。
根据所述第一结果和第二结果确定本轮参数调整方向;
根据本轮参数调整方向确定下轮参数调整方案。
根据本发明一种较佳的实施方式,若所述通话对象的语音速率大于第一预设速率,或者,所述通话对象的语音速率小于第二预设速率,在对话中***常用口语助词。
根据本发明一种较佳的实施方式,所述语音参数包括:语音间隔时间、响应速度和语音速度。
根据本发明一种较佳的实施方式,所述调整方案包括不调整,与本轮参数调整方向相同继续调整或与本轮参数调整方向相反继续调整。
为解决上述技术问题,本发明第二方面提供一种AI语音速率调整装置,所述装置包括:
第一创建模块,用于创建与不同AI语音风格相匹配的AI语音参数集;
查找播放模块,用于在所述语音参数集中查找与用户选择的AI语音风格相匹配的AI语音参数,并根据所述AI语音参数播放语音,处理对话应答;
分析模块,用于实时分析通话对象的语音参数与所述AI语音参数的差异值;
比较模块,用于将所述差异值与预设阈值进行比较;
调整模块,用于若所述差异值超过所述预设阈值,调整所述语音参数。
根据本发明一种较佳的实施方式,所述装置还包括:
第二创建模块,用于创建语音调整模型;
若所述差异值超过所述预设阈值,所述调整模块根据所述语音调整模型调整所述语音参数。
根据本发明一种较佳的实施方式,所述装置还包括:
对比模块,用对比当前通话对象的语音参数与当前AI语音参数得到第一结果,对比调整语音参数前通话对象的语音参数和调整语音参数后通话对象的语音参数得到第二结果。
第一确定模块,用于根据所述第一结果和第二结果确定本轮参数调整方向;
第二确定模块,用于根据本轮参数调整方向确定下轮参数调整方案。
根据本发明一种较佳的实施方式,所述装置还包括:
***模块,用于若所述通话对象的语音速率大于第一预设速率,或者,所述通话对象的语音速率小于第二预设速率,在对话中***常用口语助词。
根据本发明一种较佳的实施方式,所述语音参数包括:语音间隔时间、响应速度和语音速度。
根据本发明一种较佳的实施方式,所述调整方案包括不调整,与本轮参数调整方向相同继续调整或与本轮参数调整方向相反继续调整。
为解决上述技术问题,本发明第三方面提供一种电子设备,包括:
处理器;以及
存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行上述的方法。
为了解决上述技术问题,本发明第四方面提出一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,当所述一个或多个程序被处理器执行时,实现上述方法。
本发明通过为不同AI语音风格创建相匹配的AI语音参数;首先根据用户选取的AI语音风格相匹配的AI语音参数播放语音,处理对话应答;在用户与机器人对话过程中,实时分析通话对象的语音参数与AI语音参数的差异值,并将差异值与预设阈值进行比较;若差异值超过预设阈值,则说明当前AI语音参数与通话对象的语音参数差异过大,表明机器人语速过快或者过慢,影响正常通话,此时,调整语音参数,从而保证通话对象的语音参数与AI语音参数的差异在预设阈值范围内,保证通话正常。本发明通过实时对比通话对象的语音参数与AI语音参数的差异值,当差异值大于预设阈值时,调整AI语音参数,从而保证通话对象的语速与机器人的语速相匹配,避免出现机器人语速过快,用户插不上话,或者,机器人语速过慢,无法正常应答的情况,提高用户体验。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明的示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是本发明一种AI语音速率调整方法的流程图;
图2是本发明创建语音参数集的示意图;
图3是本发明在语音参数集中查找与用户选择的AI语音风格相匹配的AI语音参数的示意图;
图4本发明一种AI语音速率调整装置的结构框架示意图;
图5是根据本发明的一种电子设备的示例性实施例的结构框图;
图6是本发明一个计算机可读介质实施例的示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例,虽然各示例性实施例能够以多种具体的方式实施,但不应理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例是为了使本发明的内容更加完整,更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中,对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是,并不排除本领域技术人员可以在特定情况下,以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示,不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤,也不代表必须按照图中所显示的的顺序执行。例如,流程图中有的操作/步骤可以分解,有的操作/步骤可以合并或部分合并,等等,在不脱离本发明的发明主旨的情况下,流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体,并不一定必然与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分,因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说,这些定语仅是用来将一者与另一者区分。例如,第一器件亦可称为第二器件,但不偏离本发明实质的技术方案。此外,术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
如图1是本发明提供的一种AI语音速率调整方法的流程图,如图1所示,所述方法包括:
S1、创建与不同AI语音风格相匹配的AI语音参数集;
本发明中,所述语音参数包括:语音间隔时间、响应速度和语音速度。其中,语音间隔时间是指两句话之间的停顿时间,响应速度是指应答通话对象语音的快慢,即在通话过程中,通话对象说完一句话后,应答该句话的反应时间;语音速度即说话速度。
在一种示例中,如图2,创建语音参数集R包含4种AI语音风格相匹配的AI语音参数:第一AI语音风格与第一AI语音参数相匹配、第二AI语音风格与第二AI语音参数相匹配、第三AI语音风格与第三AI语音参数相匹配、第四AI语音风格与第四AI语音参数相匹配。其中,第一AI语音风格的语音间隔时间为30s,响应速度为10s,语音速度为100字/分钟;第二AI语音风格的语音间隔时间为20s,响应速度为7s,语音速度为150字/分钟;第三AI语音风格的语音间隔时间为50s,响应速度为3s,语音速度为170字/分钟;第四AI语音风格的语音间隔时间为50,响应速度为20s,语音速度为80字/分钟。
S2、在所述语音参数集中查找与用户选择的AI语音风格相匹配的AI语音参数,并根据所述AI语音参数播放语音,处理对话应答;
具体的,在本步骤之前,可以先显示上述不同的AI语音风格,根据用户对AI语音风格的选取操作确定用户选择的AI语音风格,其中,用户对AI语音风格的选取操作具体可以是对目标AI语音风格的点击或拖动。
如图3,显示单元中显示出第一AI语音风格、第二AI语音风格、第三AI语音风格和第四AI语音风格,用户点击第二AI语音风格,则在语音参数集R中查找到与第二AI语音风格相匹配的第二AI语音参数:语音间隔时间为20s,响应速度为7s,语音速度为150字/分钟;则在人机对话中根据该语音参数播放语音,并处理对话应答。
S3、实时分析通话对象的语音参数与所述AI语音参数的差异值;
具体的,本步骤中,实时采集通话对象的语音参数,抽取通话对象的有效语音,其中,有效语音指有实际通话意义的语音,即除去感叹词、语气词等没有实际意义的词语的对话语音。从有效语音参数中计算分析通话对象的语音参数,即计算分析通话对象的语音间隔时间、响应速度和语音速度。计算通话对象语音参数与第二AI语音参数的差异值,对应于语音参数,所述差异值包括:语音间隔时间差异值、响应速度差异值和语音速度差异值。
S4、将所述差异值与预设阈值进行比较;
本步骤中,可以预先预设阈值,当通话对象的语音参数与AI语音参数的差异值位于所述预设阈值以内时,认为用户与机器人的对话语速相匹配,可以进行正常对话;当通话对象的语音参数与AI语音参数的差异值位于所述预设阈值以外时,认为用户与机器人的对话预设不匹配,将会影响正常对话。
对应于所述差异值,预设阈值包括:语音间隔时间预设阈值、响应速度预设阈值和语音速度预设阈值。
S5、若所述差异值超过所述预设阈值,调整所述语音参数。
由于所述差异值包含三个子差异值,对应的,所述预设阈值包含三个子预设阈值,即所述差异值包括:语音间隔时间差异值、响应速度差异值和语音速度差异值。所述预设阈值包括:语音间隔时间预设阈值、响应速度预设阈值和语音速度预设阈值。
在一种示例中,若所述差异值中至少有一个子差异值超过对应的预设阈值,确认所述差异值超过所述预设阈值。在另一种示例中,若所述差异值中至少有两个子差异值超过对应的预设阈值,确认所述差异值超过所述预设阈值。在另一种示例中,若所述差异值中所有子差异值超过对应的预设阈值,确认所述差异值超过所述预设阈值。
在一种示例中,调整所述语音参数可以只调整超过预设阈值的子差异值对应的语音参数,具体可以根据子差异值的差异方向进行调整,其中,子差异值的差异方向包括第一方向和第二方向,第一方向是指通话对象语音参数大于AI语音参数,第二方向是指通话对象语音参数小于AI语音参数,则当子差异值的差异方为第一方向时,将子差异值对应的语音参数调大,当子差异值的差异方为第二方向时,将子差异值对应的语音参数调小;
在另一种示例中,可以创建并训练语音调整模型,若所述差异值超过所述预设阈值,根据所述语音调整模型调整所述语音参数。
通过上述步骤S1~S5,完成了人机对话的第一次语音参数的调整,可能会出现过度调整或调整不到位的情况,需要进一步确定本次参数调整是否合适,是否需要继续调整,因此,在上述步骤S5之后,本发明的AI语音速率调整方法还包括:
S51、对比当前通话对象的语音参数与当前AI语音参数得到第一结果,对比调整语音参数前通话对象的语音参数和调整语音参数后通话对象的语音参数得到第二结果。
S52、根据所述第一结果和第二结果确定本轮参数调整方向;
其中,第一结果包括:当前通话对象的语音参数大于AI语音参数,表明当前机器人语速比人的语速慢,当前通话对象的语音参数等于AI语音参数,表明当前机器人语速与人的语速相同,当前通话对象的语音参数小于AI语音参数,表明当前机器人语速比人的语速快。第二结果包括:调整前通话对象的语音参数大于调整后通话对象的语音参数,表明机器人语速调整后人的语速减慢了,调整前通话对象的语音参数等于调整后通话对象的语音参数,表明机器人语速调整后人的语速不变,调整前通话对象的语音参数小于调整后通话对象的语音参数,表明机器人语速调整后人的语速加快了。
在一种示例中,当前通话对象的语音参数大于当前AI语音参数,且调整前通话对象的语音参数大于调整后通话对象的语音参数,即当前机器人语速比人的语速慢,且机器人语速调整后人的语速减慢了,或者,调整前通话对象的语音参数小于调整后通话对象的语音参数,即当前机器人语速比人的语速快,且机器人语速调整后人的语速加快了,确定本轮参数调整方向为正向,表明本轮参数调整方向(增大或减小对应语音参数)正确,但调整幅度不够,需要进一步根据本轮调整方向调整。
当前通话对象的语音参数等于AI语音参数确定本轮参数调整方向适中,表明本轮参数调整到位,不需要继续调整。
当前通话对象的语音参数小于当前AI语音参数,且调整前通话对象的语音参数大于调整后通话对象的语音参数,即当前机器人语速比人的语速快,且机器人语速调整后人的语速减慢了,或者,调整前通话对象的语音参数大于调整后通话对象的语音参数,即当前机器人语速比人的语速慢,且机器人语速调整后人的语速加快了,确定本轮参数调整方向为负向,表明本轮参数调整方向(增大或减小对应语音参数)不正确,需要进一步纠正本轮调整方向调整。
进一步的,可以结合语音的语意来确定本轮参数调整方向,其中,所述语音的语意是指能够影响通话对象语音参数的语句对应的语音语意;例如,对话刚开始打招呼时,通话对象的语速比正常对话语速慢,即语音间隔时间会比正常对话过程中长、响应速度会比正常对话过程中长,语音速度会比正常对话过程中小,而当通话对象不愿意继续对话时,通话对象的语速比正常对话语速快,如通话对象发现机器人在推销一种自己不感兴趣的产品时,语音间隔时间会比正常对话过程中短、响应速度会比正常对话过程中短,语音速度会比正常对话过程中大。
S53、根据本轮参数调整方向确定下轮参数调整方案。
所述调整方案包括:若本轮参数调整方向适中,则下轮不调整,若本轮参数调整方向为正向,则下轮与本轮参数调整方向相同继续调整,若本轮参数调整方向为负向,则下轮与本轮参数调整方向相反继续调整。
进一步的,在人机对话过程中,对于人的语速过快或者过慢的情况,可以采用一些常用的口语助词***AI对话,避免出现AI长时间无响应或错误打断用户通话的异常情况。因此,本发明的语音速率调整方法还包括:
S61、若所述通话对象的语音速率大于第一预设速率,或者,所述通话对象的语音速率小于第二预设速率,在对话中***常用口语助词。
图4是本发明一种AI语音速率调整装置的架构示意图,如图4所示,所述装置包括:
第一创建模块41,用于创建与不同AI语音风格相匹配的AI语音参数集;
查找播放模块42,用于在所述语音参数集中查找与用户选择的AI语音风格相匹配的AI语音参数,并根据所述AI语音参数播放语音,处理对话应答;
分析模块43,用于实时分析通话对象的语音参数与所述AI语音参数的差异值;
比较模块44,用于将所述差异值与预设阈值进行比较;
调整模块45,用于若所述差异值超过所述预设阈值,调整所述语音参数。
对比模块46,用对比当前通话对象的语音参数与当前AI语音参数得到第一结果,对比调整语音参数前通话对象的语音参数和调整语音参数后通话对象的语音参数得到第二结果。
第一确定模块47,用于根据所述第一结果和第二结果确定本轮参数调整方向;
第二确定模块48,用于根据本轮参数调整方向确定下轮参数调整方案。所述调整方案包括不调整,与本轮参数调整方向相同继续调整或与本轮参数调整方向相反继续调整。
***模块49,用于若所述通话对象的语音速率大于第一预设速率,或者,所述通话对象的语音速率小于第二预设速率,在对话中***常用口语助词。
在一种较佳实施方式中,所述装置还包括:第二创建模块,用于创建语音调整模型;
若所述差异值超过所述预设阈值,所述调整模块45根据所述语音调整模型调整所述语音参数。
其中,所述语音参数包括:语音间隔时间、响应速度和语音速度。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的实体形式的实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图5是根据本发明的一种电子设备的示例性实施例的结构框图。图5显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,该示例性实施例的电子设备500以通用数据处理设备的形式表现。电子设备500的组件可以包括但不限于:至少一个处理单元510、至少一个存储单元520、连接不同电子设备组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中,所述存储单元520存储有计算机可读程序,其可以是源程序或都只读程序的代码。所述程序可以被处理单元510执行,使得所述处理单元510执行本发明各种实施方式的步骤。例如,所述处理单元510可以执行如图1所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作电子设备、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备300(例如键盘、显示器、网络设备、蓝牙设备等)通信,使得用户能经由这些外部设备500与该电子设备500交互,和/或使得该电子设备500能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过输入/输出(I/O)接口550进行,还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)进行。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白,尽管图5中未示出,电子设备500中可使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID电子设备、磁带驱动器以及数据备份存储电子设备等。
图6是本发明的一个计算机可读介质实施例的示意图。如图6所示,所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的电子设备、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。当所述计算机程序被一个或多个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:创建与不同AI语音风格相匹配的AI语音参数集;在所述语音参数集中查找与用户选择的AI语音风格相匹配的AI语音参数,并根据所述AI语音参数播放语音,处理对话应答;实时分析通话对象的语音参数与所述AI语音参数的差异值;将所述差异值与预设阈值进行比较;若所述差异值超过所述预设阈值,调整所述语音参数。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行电子设备、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语音的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语音包括面向对象的程序设计语音—诸如Java、C++等,还包括常规的过程式程序设计语音—诸如“C”语音或类似的程序设计语音。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种AI语音速率调整方法,其特征在于,所述方法包括:
创建与不同AI语音风格相匹配的AI语音参数集;
在所述语音参数集中查找与用户选择的AI语音风格相匹配的AI语音参数,并根据所述AI语音参数播放语音,处理对话应答;
实时分析通话对象的语音参数与所述AI语音参数的差异值;
将所述差异值与预设阈值进行比较;
若所述差异值超过所述预设阈值,调整所述语音参数。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:创建语音调整模型,若所述差异值超过所述预设阈值,根据所述语音调整模型调整所述语音参数。
3.根据权利要求1-2中任一项所述的方法,其特征在于,所述方法还包括:
对比当前通话对象的语音参数与当前AI语音参数得到第一结果,对比调整语音参数前通话对象的语音参数和调整语音参数后通话对象的语音参数得到第二结果。
根据所述第一结果和第二结果确定本轮参数调整方向;
根据本轮参数调整方向确定下轮参数调整方案。
4.根据权利要求1-3中任一项所述的方法,其特征在于,若所述通话对象的语音速率大于第一预设速率,或者,所述通话对象的语音速率小于第二预设速率,在对话中***常用口语助词。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述语音参数包括:语音间隔时间、响应速度和语音速度。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述调整方案包括不调整,与本轮参数调整方向相同继续调整或与本轮参数调整方向相反继续调整。
7.一种AI语音速率调整装置,其特征在于,所述装置包括:
第一创建模块,用于创建与不同AI语音风格相匹配的AI语音参数集;
查找播放模块,用于在所述语音参数集中查找与用户选择的AI语音风格相匹配的AI语音参数,并根据所述AI语音参数播放语音,处理对话应答;
分析模块,用于实时分析通话对象的语音参数与所述AI语音参数的差异值;
比较模块,用于将所述差异值与预设阈值进行比较;
调整模块,用于若所述差异值超过所述预设阈值,调整所述语音参数。
8.一种电子设备,包括:
处理器;以及
存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,当所述一个或多个程序被处理器执行时,实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939380.8A CN110619888B (zh) | 2019-09-30 | 2019-09-30 | 一种ai语音速率调整方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939380.8A CN110619888B (zh) | 2019-09-30 | 2019-09-30 | 一种ai语音速率调整方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110619888A true CN110619888A (zh) | 2019-12-27 |
CN110619888B CN110619888B (zh) | 2023-06-27 |
Family
ID=68924953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910939380.8A Active CN110619888B (zh) | 2019-09-30 | 2019-09-30 | 一种ai语音速率调整方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619888B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112599151A (zh) * | 2020-12-07 | 2021-04-02 | 携程旅游信息技术(上海)有限公司 | 语速评估方法、***、设备及存储介质 |
CN112599148A (zh) * | 2020-12-31 | 2021-04-02 | 北京声智科技有限公司 | 一种语音识别方法及装置 |
CN113763921A (zh) * | 2020-07-24 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 用于纠正文本的方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106572067A (zh) * | 2015-10-12 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 语音流传送的方法及*** |
CN109582275A (zh) * | 2018-12-03 | 2019-04-05 | 珠海格力电器股份有限公司 | 语音调整方法、装置、存储介质及电子装置 |
CN109767792A (zh) * | 2019-03-18 | 2019-05-17 | 百度国际科技(深圳)有限公司 | 语音端点检测方法、装置、终端和存储介质 |
KR20190084202A (ko) * | 2017-12-18 | 2019-07-16 | 네이버 주식회사 | 복수의 호출 용어를 이용하여 인공지능 기기를 제어하는 방법 및 시스템 |
-
2019
- 2019-09-30 CN CN201910939380.8A patent/CN110619888B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106572067A (zh) * | 2015-10-12 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 语音流传送的方法及*** |
KR20190084202A (ko) * | 2017-12-18 | 2019-07-16 | 네이버 주식회사 | 복수의 호출 용어를 이용하여 인공지능 기기를 제어하는 방법 및 시스템 |
CN109582275A (zh) * | 2018-12-03 | 2019-04-05 | 珠海格力电器股份有限公司 | 语音调整方法、装置、存储介质及电子装置 |
CN109767792A (zh) * | 2019-03-18 | 2019-05-17 | 百度国际科技(深圳)有限公司 | 语音端点检测方法、装置、终端和存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763921A (zh) * | 2020-07-24 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 用于纠正文本的方法和装置 |
CN112599151A (zh) * | 2020-12-07 | 2021-04-02 | 携程旅游信息技术(上海)有限公司 | 语速评估方法、***、设备及存储介质 |
CN112599151B (zh) * | 2020-12-07 | 2023-07-21 | 携程旅游信息技术(上海)有限公司 | 语速评估方法、***、设备及存储介质 |
CN112599148A (zh) * | 2020-12-31 | 2021-04-02 | 北京声智科技有限公司 | 一种语音识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110619888B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180322865A1 (en) | Artificial intelligence-based acoustic model training method and apparatus, device and storage medium | |
JP2019102063A (ja) | ページ制御方法および装置 | |
US20190371292A1 (en) | Speech synthesis method and apparatus, computer device and readable medium | |
KR20190024762A (ko) | 음악추천방법, 장치, 디바이스 및 저장매체 | |
CN110619888A (zh) | 一种ai语音速率调整方法、装置及电子设备 | |
KR20200056261A (ko) | 전자 장치 및 이의 제어 방법 | |
US20170371863A1 (en) | Intention inference system and intention inference method | |
JP6884947B2 (ja) | 対話システム及びそのためのコンピュータプログラム | |
US20190164555A1 (en) | Apparatus, method, and non-transitory computer readable storage medium thereof for generatiing control instructions based on text | |
CN110503944B (zh) | 语音唤醒模型的训练和使用方法及装置 | |
CN107003825A (zh) | 通过自然语言输出控制电影指导和动态角色的***和方法 | |
CN112309365A (zh) | 语音合成模型的训练方法、装置、存储介质以及电子设备 | |
KR20200105259A (ko) | 전자 장치 및 전자 장치의 제어 방법 | |
CN111193834A (zh) | 基于用户声音特征分析的人机交互方法、装置和电子设备 | |
WO2020052061A1 (zh) | 用于处理信息的方法和装置 | |
CN109460548B (zh) | 一种面向智能机器人的故事数据处理方法及*** | |
CN111128120B (zh) | 文本转语音方法和装置 | |
CN112562678A (zh) | 基于客服录音的智能对话方法、***、设备及存储介质 | |
CN115731915A (zh) | 对话机器人的主动对话方法、装置、电子设备及存储介质 | |
JP2022088586A (ja) | 音声認識方法、音声認識装置、電子機器、記憶媒体コンピュータプログラム製品及びコンピュータプログラム | |
CN111966803B (zh) | 对话模拟方法、装置、存储介质及电子设备 | |
CN112002325B (zh) | 多语种语音交互方法和装置 | |
CN112532794B (zh) | 语音外呼方法、***、设备及存储介质 | |
CN112017668B (zh) | 一种基于实时情感检测的智能语音对话方法、装置和*** | |
CN113851106A (zh) | 音频播放方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |