CN114386401A - 数字人播报方法、装置、设备、存储介质和程序产品 - Google Patents

Abstract

本公开提供了一种数字人播报方法，可以应用于人工智能技术领域。该数字人播报方法包括：获取待播报语料；根据预设读音库，确定待播报语料中至少一个字的读音；当所述待播报语料中包含有至少一个目标多音字时，通过读音预测模型，根据待播报语料中的内容和待播报语料的来源，确定所述目标多音字的目标读音；其中，所述目标多音字包括在所述预设读音库中未配置读音的多音字。本公开还提供了一种数字人播报装置、设备、存储介质和程序产品。

Description

数字人播报方法、装置、设备、存储介质和程序产品

技术领域

本公开涉及人工智能技术领域，具体地涉及一种数字人播报方法、装置、设备、存储介质和程序产品。

背景技术

数字人是基于图像识别、语音识别与合成、语义理理解、人像建模等人工智能技术，具有对物理世界的感知、认知与表达能力，以电子屏、VR等设备为载体，实现人机交互的虚拟人。

目前，数字人在播放语音时，遇到多音字读音时，不能准确判断多音字的读音，例如“行长”、“行驶”这两个词组中的“行”，因此，如何使得准确判断多音字的读音成为了一项亟待解决的技术问题。

发明内容

鉴于上述问题，本公开提供了一种数字人播报方法、装置、设备、存储介质和程序产品。

根据本公开的第一个方面，提供了一种数字人播报方法，其中，包括：

获取待播报语料；

根据预设读音库，确定待播报语料中至少一个字的读音；

当所述待播报语料中包含有至少一个目标多音字时，通过读音预测模型，根据待播报语料中的内容和待播报语料的来源，确定所述目标多音字的目标读音；

其中，所述目标多音字包括在所述预设读音库中未配置读音的多音字。

根据本公开的实施例，所述根据待播报语料中的内容和待播报语料的来源，确定所述目标多音字的目标读音，包括：

根据所述待播报语料的内容，确定所述待播报语料的业务领域；

根据所述待播报语料的来源，确定所述待播报语料的发布机构；

根据所述目标多音字的每种读音在确定出的所述业务领域中的出现概率，以及所述目标多音字的每种读音在确定出的所述发布机构中的出现概率，确定所述目标多音字的目标读音。

根据本公开的实施例，所述根据待播报语料的内容，确定所述待播报语料的业务领域，包括：根据所述待播报语料的正文和/或所述待播报预料的标题，确定所述待播报语料的业务领域；

所述根据待播报语料的来源，确定所述待播报语料的发布机构，包括：根据所述待播报语料的网址，确定所述待播报语料的发布机构。

根据本公开的实施例，所述读音预测模型包括朴素贝叶斯分类器，所述朴素贝叶斯分类器包括由多个条件构成的属性向量；

所述根据所述目标多音字的每种读音在确定出的所述业务领域中的出现概率，以及所述目标多音字的每种读音在确定出的所述发布机构中的出现概率，确定所述目标多音字的目标读音，包括：

根据所述业务领域和所述发布机构，确定所述属性向量中多个条件的状态，以得到目标属性向量；

对于所述目标属性向量中至少一个条件，根据该条件的状态，确定所述目标多音字的每个读音在该条件下的条件概率；

根据确定出的所述条件概率，确定所述目标多音字的每个读音在所述目标属性向量中的后验概率；

根据确定出的所述后验概率，确定所述目标多音字的目标读音。

根据本公开的实施例，所述数字人播报方法还包括朴素贝叶斯分类器的建立步骤，所述建立步骤包括：

获取训练集中的至少一个语料样本以及每个所述语料样本中的多音字样本；

根据每个所述多音字样本的每个读音在所述训练集中的出现概率，确定每个所述多音字样本的每个读音的先验概率；

根据每个所述语料样本的业务领域和发布机构以及每个所述多音字样本的每个读音的先验概率，构建所述朴素贝叶斯分类器。

根据本公开的实施例，所述预设读音库中配置有至少一个第一词组和每个第一词组中每个字的读音，所述根据预设读音库，确定待播报语料中至少一个字的读音包括：

确定所述待播报语料中待确定读音的一个字，以得到目标字；

获取第二词组，所述第二词组包括所述目标字在所述待播报语料中所处的词组；

从预设读音库中确定出与所述第二词组相匹配的所述第一词组；

根据所述第一词组中每个字的读音，确定所述目标字的读音。

本公开的第二方面提供了一种数字人播报装置，其中，包括：

获取模块，用于获取待播报语料；

第一读音确定模块，用于根据预设读音库，确定待播报语料中至少一个字的读音；

第二读音确定模块，用于当所述待播报语料中包含有至少一个目标多音字时，通过读音预测模型，根据待播报语料中的内容和待播报语料的来源，确定所述目标多音字的目标读音；

其中，所述目标多音字包括在所述预设读音库中未配置读音的多音字。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述的数字人播报方法。

本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述的数字人播报方法。

本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的数字人播报方法。

上述一个或多个实施例具有如下优点或益效果：

本公开可以结合预设读音库和读音预测模型进行多音字识别，进而实现语音播报。其中，当待播报语料中存在预设读音库中未配置的多音字时，本公开实施例能够根据待播报语料的内容和来源，通过读音预测模型，自动地预测多音字的读音，从而减少了在多音字识别过程中对预设读音库的依赖，省去了用户需要不断充实预设读音库的过程。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的数字人播报方法、装置、设备、存储介质和程序产品的应用场景图；

图2示意性示出了根据本公开实施例的数字人播报方法的流程图；

图3示意性示出了根据本公开实施例的通过预设读音库确定读音的流程图；

图4示意性示出了根据本公开实施例的通过读音预测模型预测读音的流程图；

图5示意性示出了根据本公开实施例的建立朴素贝叶斯分类器的流程图；

图6示意性示出了根据本公开实施例的数字人播报装置的结构框图；

图7示意性示出了根据本公开实施例的适于实现数字人播报方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。

本公开涉及人工智能技术领域，在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

本公开的实施例提供了一种数字人播报方法，涉及人工智能技术领域，该数字人播报方法包括：获取待播报语料；根据预设读音库，确定待播报语料中至少一个字的读音；当待播报语料中包含有至少一个目标多音字时，通过读音预测模型，根据待播报语料中的内容和待播报语料的来源，确定目标多音字的目标读音；其中，目标多音字包括在预设读音库中未配置读音的多音字。

采用本公开实施例的数字人播报方法，其可以结合预设读音库和读音预测模型进行多音字识别，进而实现语音播报。其中，当待播报语料中存在预设读音库中未配置的多音字时，本公开实施例能够根据待播报语料的内容和来源，通过读音预测模型，自动地预测多音字的读音，从而减少了在多音字识别过程中对预设读音库的依赖，省去了用户需要不断充实预设读音库的过程。

图1示意性示出了根据本公开实施例的数字人播报方法、装置、设备、存储介质和程序产品的应用场景图，如图1所示，根据该实施例的应用场景100可以包括终端设备101、102、103、网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的数字人播报方法一般可以由服务器105执行。相应地，本公开实施例所提供的数字人播报装置一般可以设置于服务器105中。本公开实施例所提供的数字人播报方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的数字人播报装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2～图5对公开实施例的数字人播报方法进行详细描述。

图2示意性示出了根据本公开实施例的数字人播报方法的流程图，如图2所示，该实施例的数字人播报方法包括步骤S210～步骤S230，需要说明的是，虽然图2中的各步骤按照箭头的指示依次显示，但是，这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，图中的至少部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替的执行。

在步骤S210，获取待播报语料。

在本公开实施例中，待播报语料的内容可以根据实际需要确定，在此不作限制，例如，待播报语料可以包括新闻资讯等。

在步骤S220，根据预设读音库，确定待播报语料中至少一个字的读音。

在本公开实施例中，可以基于文本分类(text categorization，TC)技术和/或机器学习技术，通过大量的语料样本建立预设读音库，例如，可以根据语料样本的某些特征，在预先给定的类别标记(label)集合下，根据语料样本的内容判定它的类别，从而为语料样本分配标签(例如读音)，进而，由具有标签的语料样本构成预设读音库。

在本公开实施例中，可以对待播报语料进行预处理，例如，可以对待播报语料进行例如分词等操作，以得到至少一个目标词，之后，从预设读音库中查找与目标词相匹配的参考词，并根据参考词的读音确定目标词的读音。例如，待播报语料中包含有“银行”，而预设读音库中配置有“银行<hang2>”，则可以由预设读音库中的“银行<hang2>”作为参考词，进而确定出待播报语料中“银行”中“行”字的读音。

在步骤S230，当待播报语料中包含有至少一个目标多音字时，通过读音预测模型，根据待播报语料中的内容和待播报语料的来源，确定目标多音字的目标读音。应当理解的是，当待播报语料中不存在目标多音字时，也即，待播报语料中的多音字在预设读音库存在相应的配置，此时可以直接通过步骤S220确定多音字的读音，而不执行步骤S230。

示例性地，在本公开实施例中，可以根据待播报语料中的内容和来源确定出待播报语料的业务领域等信息，进而，根据目标多音字在该领域中的常见发音，来确定出目标多音字最有可能的读音，也即目标读音。读音预测模型可以包括能够进行读音分类的分类器，例如，读音预测模型可以包括基于朴素贝叶斯的分类器、基于决策树法的分类器、基于K最近邻法的分类器、基于中心向量法的分类器以及基于支持向量机的分类器等等。

可选地，在本公开实施例中，读音预测模型包括基于朴素贝叶斯的分类器。

可选地，在本公开实施例中，在构建朴素贝叶斯分类器时，可以根据训练集中的语料样本的内容和来源构建朴素贝叶斯分类器的属性向量，在步骤S230中，计算目标多音字的每种读音在属性向量中的后验概率，进而确定出多音字的目标读音，具体下文将做详细介绍，在此先不赘述。

在步骤230之后，本公开实施例的数字人播报方法还可以包括步骤S240和步骤S250。

在步骤S240，由确定出读音的至少一个字构成目标播报语料。

在步骤S250，根据目标播报语料进行播报。

采用本公开实施例的数字人播报方法，其可以结合预设读音库和读音预测模型进行多音字识别，进而实现语音播报。其中，当待播报语料中存在预设读音库中未配置的多音字时，本公开实施例能够根据待播报语料的内容和来源，通过读音预测模型，自动地预测多音字的读音，从而减少了在多音字识别过程中对预设读音库的依赖，省去了用户需要不断充实预设读音库的过程。

下面结合图1至图5对本公开实施例的数字人播报方法进行进一步地说明。

在一些具体实施例中，预设读音库中配置有至少一个第一词组和每个第一词组中每个字的读音，图3示意性示出了根据本公开实施例的通过预设读音库确定读音的流程图，如图3所示，步骤S220包括步骤S221至步骤S224。

在步骤S221，确定待播报语料中待确定读音的一个字，以得到目标字。

在步骤S222，获取第二词组，第二词组包括目标字在待播报语料中所处的词组。

在步骤S223，从预设读音库中确定出与第二词组相匹配的第一词组。

在步骤S224，根据第一词组中每个字的读音，确定目标字的读音。

作为示例，预设读音库中存储有大量的词组和词组中每个字的读音，例如，可以将“分行”格式化为“分<fen1>行<hang2>”后存储至预设读音库中，当数字人遇到“分行”这一词时，可以从预设读音库确定出“分<fen1>行<hang2>”，进而读出正确的读音。

下面以来自于某银行官网的新闻报道作为待播报语料为例对本公开实施例的数字人播报方法进行说明。

新闻报道的内容如下：

题目：我行成功在澳门上线名义资金池业务

正文：为全力服务粤港澳大湾区建设，推动区域竞争力提升，近期，总行结算与现金管理部在金融科技部的大力支持下，成功在澳门投产名义资金池业务并完成首单业务落地，满足客户跨币种、多账户合并计息与支付需求。该业务上线以来，已为工银澳门带来了大约10亿元港币的新增存款、700亿元港币的新增结算量。今年年初，我行了解到某客户在澳门面临多币种管理、频繁购汇结汇等问题，结算与现金管理部联动工银澳门快速行动，与客户展开多轮沟通交流，在原有工银亚洲、新加坡分行名义资金池框架上，根据客户个性化需求和地区特点，制定了澳门地区名义资金池解决方案，通过跨境资金池将其他国家资金自动归集到工银澳门的离岸账户，再依托名义资金池实现多币种资金的统筹运营，对多账户多币种资金进行轧差计息，降低购汇成本，提升资金共享效率。当方案获得客户认可后，我行随即启动***研发，在金融科技部的大力支持下，近期已成功为客户落地首笔业务，涵盖人民币、美元、欧元、英镑、日元和港币六大币种。后续，结算与现金管理部将紧跟市场变化，努力提升全球现金管理产品的市场竞争力与客户适用性，发挥境内境外结算金融互联优势，助力我行在双循环新发展格局的转型发展。

在本示例中，以“行”字为例，预设读音库中包括多个第一词组，多个第一词组包括“银<yin2>行<hang2>、分<fen1>行<hang2>、总<zong3>行<hang2>、行<hang2>长<zhang3>、行<hang2>业<ye4>、行<xing2>驶<shi3>、一<yi4>行<xing2>人<ren2>、进<jin4>行<xing2>、行<xing2>动<dong4>、行<xing2>吗<ma1>、可<ke3>行<xing2>”。

在上述的待播报语料中，“行”的第二词组包括“我行”、“行动”、“分行”、“进行”和“总行”，在预设读音库中，配置有与上述的第二词组中“行动”、“分行”、“进行”和“总行”相应的第一词组，因此，可以通过预设语音库确定出“行动”、“分行”、“进行”和“总行”中“行”字的读音。

对于上述待播报语料中的“我行”，预设读音库中未配置有该词组，此时可以通过步骤S230预测“我行”这一词组中“行”字的读音。

图4示意性示出了根据本公开实施例的通过读音预测模型预测读音的流程图，如图4所示，在一些具体实施例中，步骤S230包括步骤S231至步骤S233。

在步骤S231，根据待播报语料的内容，确定待播报语料的业务领域。

在步骤S232，根据待播报语料的来源，确定待播报语料的发布机构。

在步骤S233，根据目标多音字的每种读音在确定出的业务领域中的出现概率，以及目标多音字的每种读音在确定出的发布机构中的出现概率，确定目标多音字的目标读音。

待播报语料的内容可以包括待播报语料中的部分或全部文本信息。可选地，当待播报语料的内容包括待播报语料中的部分文本信息时，待播报语料的内容可以包括待播报语料的标题中的关键字或者正文中的关键字等。也即，在一些具体实施例中，步骤S231包括步骤S2311。

在步骤S2311，根据待播报语料的正文和/或待播报预料的标题，确定待播报语料的业务领域。

可选地，待播报语料可以为新闻报道中某一板块中的资讯，在一些具体实施例中，可以根据待播报语料在新闻报道中的板块确定待播报语料所述的业务领域。

在一些具体实施例中，待播报语料的来源可以包括待播报语料的地址信息，例如网址等，也即，在一些具体实施例中，步骤S232包括步骤S2321。

在步骤S2321，根据待播报语料的网址，确定待播报语料的发布机构。

业务领域和发布机构具体可以根据实际需要进行配置，例如，业务领域可以包括金融领域、科技领域和生活领域等等；发布机构可以包括金融机构、新闻机构和政府机构等等。

在本公开实施例中，可以根据待播报语料中的目标多音字在业务领域和发布机构曾经发布的资讯中的常见发音，来确定目标多音字最有可能的读音，也即目标读音。

例如，目标多音字为“我行”，通过步骤S231，根据待播报语料中的内容确定出待播报语料的业务领域为金融领域；通过步骤S232，根据待播报语料中的来源确定出待播报语料的发布机构为银行机构；通过步骤S233，确定出在金融领域中和银行机构曾经发布的资讯中，“我行”中的“行”发“hang2”的读音概率较高，进而，可以确定出待播报语料中“我行”中的“行”字的读音为“hang2”。

为更好地解释本公开实施例中对目标多音字的预测过程，下面首先介绍本公开实施例中读音预测模型的建立过程。

在一些具体实施例中，读音预测模型包括朴素贝叶斯分类器，数字人播报方法还包括朴素贝叶斯分类器的建立步骤，图5示意性示出了根据本公开实施例的建立朴素贝叶斯分类器的流程图，如图5所示，建立步骤包括步骤S310至步骤S330。

在步骤S310，获取训练集中的至少一个语料样本以及每个语料样本中的多音字样本。

在步骤S320，根据每个多音字样本的每个读音在训练集中的出现概率，确定每个多音字样本的每个读音的先验概率。

在本公开实施例中，训练集可以来自以往发布的新闻报道。先验概率是指通过训练集得到的每个多音字样本的每个读音的先验知识。例如，对于“行”这个多音字样本，有两种可能的假设：也即，“行”的读音为“xing2”，或者，“行”的读音为“hang2”。假设在训练集中，“行”出现了14次，其中，9次的读音为“hang2”，5次的读音为“xing2”，那么，“行”的读音为“hang2”的先验概率Pa(hang2)＝9/14，“行”的读音为“xing2”的先验概率Pa(xing2)＝5/14。

需要说明的是，在本公开始实施例中，训练集的来源仅为示意性说明，根据实际需要的不同，训练集也可以来自其他渠道，在此不做具体限制。

在步骤S330，根据每个语料样本的业务领域和发布机构以及每个多音字样本的每个读音的先验概率，构建朴素贝叶斯分类器。

在一些具体实施例中，步骤S330包括步骤S331。

在步骤S331，根据每个语料样本的业务领域和发布机构，确定朴素贝叶斯分类器中的属性向量。

在一些具体实施例中，朴素贝叶斯分类器的属性向量包括多个条件，语料样本中的业务领域(或者发布机构)可以作为其中一项条件。

可选地，在本公开实施例中，可以对业务领域(或者发布机构)进行进一步地细分，将细分后的业务领域(或者发布机构)作为属性向量中的一项条件。例如，发布机构包括银行机构和政府机构，可以分别以银行机构和政府机构作为属性向量中的一项条件。业务领域包括金融领域和生活领域，可以分别以金融领域和生活领域作为属性向量中的一项条件。

可选地，在本公开实施例中，可以将确定业务领域(或者发布机构)的过程进行细分，将细分后过程作为属性向量中的一项条件。例如，可以根据语料样本在新闻报道中的板块，确定语料样本的业务领域，因此，可以将语料样本在新闻报道中的板块是否为某一板块作为属性向量中的一项条件；再例如，可以根据语料样本标题中的关键字确定语料样本的业务领域，因此，可以将语料样本的标题中是否包括某一业务领域中的关键词作为属性向量中的一项条件；再例如，可以根据语料样本的网址确定语料样本的发布机构，因此，可以将语料样本的网址是否为某一发布机构的网址作为属性向量中的一项条件

在一些具体实施例中，步骤S330还包括每个多音字样本的每个读音在属性向量中每个条件下的条件概率。

例如，属性向量中包括4项条件，分别为(1)：待播报语料在新闻报道中所属的新闻版块是否为金融板块；(2)待播报语料的标题中是否包括金融业务领域中的关键词；(3)待播报语料的网址是否为银行机构的网址；(4)待播报语料的网址是否为政府机构的网址。

作为一个示例，在上述的训练集中，对于条件(1)，当待播报语料在新闻报道中所属的新闻版块为金融板块时，“行”的读音为“hang2”的样本出现了5次，根据先验概率Pa(hang2)，可以得到条件概率Pb(条件1＝是|hang2)＝5/9；条件概率Pb(条件1＝否|hang2)＝4/9。其中，P(Y|X)表示在X发生的前提下Y发生的概率。

当待播报语料在新闻报道中所属的新闻版块为金融板块时，“行”的读音为“xing2”的样本出现了2次，根据先验概率Pa(xing2)，可以得到条件概率Pb(条件1＝是|xing2)＝2/5，条件概率Pb(条件1＝否|hang2)＝3/5。

在一些具体实施例中，还可以将待播报语料中的多音字能在预设读音库找到相应的参考词的情况考虑进去。具体地，可以在属性向量中增加条件，例如，增加条件(5)：多音字所属的词组(也即前文所述的第二词组)是否为“银行、分行、总行、行长、行业”中的任意者，这些词组在预设读音库中均匹配有相应的第一词组，“行”的读音均为“hang2”，因此，当条件(5)满足时，也即可以通过步骤S220直接根据预设读音库确定“行”的读音为“hang2”的情况。再例如，增加条件(6)：多音字所述的词组是否为“行驶、一行人、进行、行动、行吗、可行”中的任意者，“行”的读音均为“xing2”，因此，当条件(6)满足时，也即可以通过步骤S220直接根据预设读音库确定“行”的读音为“xing2”的情况。

在引入条件(5)和条件(6)后，假设上述的训练集中，存在“银行”和“行驶”，此时，多音字样本的每个读音的条件概率将发生变化，具体地，在引入条件(5)和条件(6)后，条件概率Pb(条件1＝否|hang2)＝3/9，条件概率Pb(条件1＝否|hang2)＝3/5。

表1

假设训练集包括14个语料样本，14个语料样本如表1所示，那么，按照上述方式类推，可以得到：

Pb(条件2＝是|hang2)＝6/9，Pb(条件2＝否|xing2)＝2/5，Pb(条件3＝是|hang2)＝6/9，Pb(条件3＝否|xing2)＝2/5，Pb(条件4＝是|hang2)＝5/9，Pb(条件4＝否|xing2)＝2/5，Pb(条件2＝否|hang2)＝2/9，Pb(条件2＝是|xing2)＝2/5，Pb(条件3＝否|hang2)＝2/9，Pb(条件3＝是|xing2)＝2/5，Pb(条件4＝否|hang2)＝3/9，Pb(条件4＝是|xing2)＝2/5。

下面再回到步骤S233对本公开实施例对目标多音字“我行”中“行”的预测过程进行说明。

在一些具体实施例中，步骤S233包括步骤S2331至步骤S2334。

在步骤S2331，根据业务领域和发布机构，确定属性向量中多个条件的状态，以得到目标属性向量。

示例性地，假设待播报语料属于金融板块，其主题包括与金融领域相应的关键字，待播报语料来自银行网站，而不是来自政府网站，那么，属性向量T＝(条件1＝是，条件2＝是，条件3＝是，条件4＝否)。

在步骤S2332，对于目标属性向量中至少一个条件，根据该条件的状态，确定目标多音字的每个读音在该条件下的条件概率。

由于属性向量T＝(条件1＝是，条件2＝是，条件3＝是，条件4＝否)，可以确定出“行”的读音为“hang2”的四个条件概率，分别为条件概率Pb(条件1＝是|hang2)＝5/9，条件概率Pb(条件2＝是|hang2)＝6/9，条件概率Pb(条件3＝是|hang2)＝6/9，条件概率Pb(条件4＝否|hang2)＝3/9。同理，还可以确定出“行”的读音为“xing2”的四个条件概率，分别为条件概率Pb(条件1＝是|xing2)＝2/5，Pb(条件2＝是|xing2)＝2/5，Pb(条件3＝是|xing2)＝2/5，Pb(条件4＝否|xing2)＝2/5。

在步骤S2333，根据确定出的所述条件概率，确定所述目标多音字的每个读音在所述目标属性向量中的后验概率。

在本公开实施例中，“行”的读音为“hang2”的后验概率Pc(hang2|T)＝Pb(条件1＝是|hang2)*Pb(条件2＝是|hang2)*Pb(条件3＝是|hang2)*Pb(条件4＝否|hang2)＝5/9*6/9*6/9*3/9＝0.0823，“行”的读音为“xing2”后验概率Pc(xing2|T)＝Pb(条件1＝是|xing2)*Pb(条件2＝是|xing2)*Pb(条件3＝是|xing2)*Pb(条件4＝否|xing2)＝2/5*2/5*2/5*2/5＝0.0256。

在步骤S2334，根据确定出的所述后验概率，确定所述目标多音字的目标读音。

在本公开实施例中，Pc(hang2|T)＞Pc(xing2|T)，所以在待播报语料中，“我行”中“行”的读音是“hang2”的概率较大，由此可以推测出“我行”中的“行”读音为“hang 2”，也即，目标读音为“hang”。

基于上述数字人播报方法，本公开还提供了一种数字人播报装置。以下将结合图6对该装置进行详细描述。

图6示意性示出了根据本公开实施例的数字人播报装置的结构框图，如图6所示，该实施例的数字人播报装置600包括获取模块610、第一读音确定模块620和第二读音确定模块630。

获取模块610用于获取待播报语料。在一实施例中，获取模块610可以用于执行前文描述的步骤S210，在此不再赘述。

第一读音确定模块620用于根据预设读音库，确定待播报语料中至少一个字的读音。在一实施例中，第一读音确定模块620可以用于执行前文描述的步骤S220，在此不再赘述。

第二读音确定模块630用于当待播报语料中包含有至少一个目标多音字时，通过读音预测模型，根据待播报语料中的内容和待播报语料的来源，确定目标多音字的目标读音。在一实施例中，第二读音确定模块630可以用于执行前文描述的步骤S230，在此不再赘述。

其中，目标多音字包括在预设读音库中未配置读音的多音字。

采用本公开实施例的数字人播报装置，其可以结合预设读音库和读音预测模型进行多音字识别，进而实现语音播报。其中，当待播报语料中存在预设读音库中未配置的多音字时，本公开实施例能够根据待播报语料的内容和来源，通过读音预测模型，自动地预测多音字的读音，从而减少了在多音字识别过程中对预设读音库的依赖，省去了用户需要不断充实预设读音库的过程。

根据本公开的实施例，获取模块610、第一读音确定模块620和第二读音确定模块630中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，获取模块610、第一读音确定模块620和第二读音确定模块630中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块610、第一读音确定模块620和第二读音确定模块630中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图7示意性示出了根据本公开实施例的适于实现数字人播报方法的电子设备的方框图，如图7所示，根据本公开实施例的电子设备700包括处理器701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 703中，存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备700还可以包括输入/输出(I/O)接口705，输入/输出(I/O)接口705也连接至总线704。电子设备700还可以包括连接至I/O接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/***中所包含的；也可以是单独存在，而未装配入该设备/装置/***中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的数字人播报方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机***中运行时，该程序代码用于使计算机***实现本公开实施例所提供的数字人播报方法。

在该计算机程序被处理器701执行时执行本公开实施例的***/装置中限定的上述功能。根据本公开的实施例，上文描述的***、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分709被下载和安装，和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本公开实施例的***中限定的上述功能。根据本公开的实施例，上文描述的***、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。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、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)。

附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种数字人播报方法，其特征在于，包括：

获取待播报语料；

根据预设读音库，确定待播报语料中至少一个字的读音；

当所述待播报语料中包含有至少一个目标多音字时，通过读音预测模型，根据待播报语料中的内容和待播报语料的来源，确定所述目标多音字的目标读音；

其中，所述目标多音字包括在所述预设读音库中未配置读音的多音字。

2.根据权利要求1所述的数字人播报方法，其特征在于，所述根据待播报语料中的内容和待播报语料的来源，确定所述目标多音字的目标读音，包括：

根据所述待播报语料的内容，确定所述待播报语料的业务领域；

根据所述待播报语料的来源，确定所述待播报语料的发布机构；

根据所述目标多音字的每种读音在确定出的所述业务领域中的出现概率，以及所述目标多音字的每种读音在确定出的所述发布机构中的出现概率，确定所述目标多音字的目标读音。

3.根据权利要求2所述的数字人播报方法，其特征在于，

所述根据待播报语料的内容，确定所述待播报语料的业务领域，包括：根据所述待播报语料的正文和/或所述待播报预料的标题，确定所述待播报语料的业务领域；

所述根据待播报语料的来源，确定所述待播报语料的发布机构，包括：根据所述待播报语料的网址，确定所述待播报语料的发布机构。

4.根据权利要求2所述的数字人播报方法，其特征在于，所述读音预测模型包括朴素贝叶斯分类器，所述朴素贝叶斯分类器包括由多个条件构成的属性向量；

所述根据所述目标多音字的每种读音在确定出的所述业务领域中的出现概率，以及所述目标多音字的每种读音在确定出的所述发布机构中的出现概率，确定所述目标多音字的目标读音，包括：

根据所述业务领域和所述发布机构，确定所述属性向量中多个条件的状态，以得到目标属性向量；

对于所述目标属性向量中至少一个条件，根据该条件的状态，确定所述目标多音字的每个读音在该条件下的条件概率；

根据确定出的所述条件概率，确定所述目标多音字的每个读音在所述目标属性向量中的后验概率；

根据确定出的所述后验概率，确定所述目标多音字的目标读音。

5.根据权利要求4所述的数字人播报方法，其特征在于，所述数字人播报方法还包括朴素贝叶斯分类器的建立步骤，所述建立步骤包括：

获取训练集中的至少一个语料样本以及每个所述语料样本中的多音字样本；

根据每个所述多音字样本的每个读音在所述训练集中的出现概率，确定每个所述多音字样本的每个读音的先验概率；

根据每个所述语料样本的业务领域和发布机构以及每个所述多音字样本的每个读音的先验概率，构建所述朴素贝叶斯分类器。

6.根据权利要求1至5中任一项所述的数字人播报方法，其特征在于，所述预设读音库中配置有至少一个第一词组和每个第一词组中每个字的读音，所述根据预设读音库，确定待播报语料中至少一个字的读音包括：

确定所述待播报语料中待确定读音的一个字，以得到目标字；

获取第二词组，所述第二词组包括所述目标字在所述待播报语料中所处的词组；

从预设读音库中确定出与所述第二词组相匹配的所述第一词组；

根据所述第一词组中每个字的读音，确定所述目标字的读音。

7.一种数字人播报装置，其特征在于，包括：

获取模块，用于获取待播报语料；

第一读音确定模块，用于根据预设读音库，确定待播报语料中至少一个字的读音；

第二读音确定模块，用于当所述待播报语料中包含有至少一个目标多音字时，通过读音预测模型，根据待播报语料中的内容和待播报语料的来源，确定所述目标多音字的目标读音；

其中，所述目标多音字包括在所述预设读音库中未配置读音的多音字。

8.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～6中任一项所述的数字人播报方法。

9.一种计算机可读存储介质，其特征在于，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～6中任一项所述的数字人播报方法。

10.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～6中任一项所述的数字人播报方法。

Images