[发明专利]一种基于手持智能终端的场景化朗读音频制作方法及系统

权利要求书

1.一种基于手持智能终端的场景化朗读音频制作方法，其特征在于，包括以下步骤：

S1：使用手持智能终端获取信息内容，并转化为文字格式；

S2：对文字内容进行格式化处理，包括自动分段、删除无效字符，最终获得有效的纯文本格式的内容；

S3：对文字内容的关键字进行自动识别，预判该内容的使用场景；

S4：根据预判的使用场景选择播音员音库、背景音、语速和语调；

S5：生成场景化音频文件：根据所选择的播音员音库、语速和语调，通过语音合成技术将文字内容转化为音频，并加入背景音，生成音频文件；

S6：将生成的音频文件提供给用户保存与分享。

2.根据权利要求1所述的基于手持智能终端的场景化朗读音频制作方法，其特征在于，所述手持智能终端为智能手机、iPad、平板电脑、PC电脑或智能手表。

3.根据权利要求1所述的基于手持智能终端的场景化朗读音频制作方法，其特征在于，步骤S1中，获取信息内容的途径包括以下四种方式：

通过文档文件导入，支持但不限于TXT、WORD、PPT、PDF文件；

通过输入网页URL链接，自动识别与抓取文字内容；

通过手持智能终端在海报、杂志、报纸、电脑、平板媒介上展示的文字、图片、视频等内容进行拍照，通过OCR技术获取文字内容；

通过编辑框录入内容，支持手动编辑文字，或复制文字后粘贴在编辑框中。

4.根据权利要求1所述的基于手持智能终端的场景化朗读音频制作方法，其特征在于，步骤S3中，所述使用场景包括但不限于新闻播报、军武介绍、故事文摘、校园广播。

5.根据权利要求1所述的基于手持智能终端的场景化朗读音频制作方法，其特征在于，步骤S4具体包括：

S4.1：选择播音员音库：根据预判的使用场景自动选择或手动选择音库音色；

S4.2：选择背景音：根据预判的使用场景自动选择或手动选择背景音；

S4.3：选择语速、语调：根据预判的使用场景自动选择或手动选择朗读语速、语调。

6.根据权利要求1所述的基于手持智能终端的场景化朗读音频制作方法，其特征在于，步骤S6具体包括以下方式：

邮件发送：用户可输入邮箱地址，系统自动将相关内容与文件发送至用户邮箱；

直接下载到本地：用户可在终端界面直接下载音频文件到终端设备中；

社交工具发送音频文件：通过调用用户的微信、QQ、微博等社交工具进行分享，将音频文件发送给好友、群组，以及在朋友圈、个人空间分享；

社交工具分享音频信息：通过调用用户的微信、QQ等社交工具，将音频信息存储在后台服务端，生成分享卡片发送给好友，或生成二维码发送给好友，好友可通过二维码查看与下载；

网盘存储：通过调用用户的百度网盘、360云盘第三方云存储服务，将音频文件存储在互联网网络存储空间。

7.一种基于手持智能终端的场景化朗读音频制作系统，其特征在于，包括手持智能终端和云服务端，所述云服务端包括文本格式智能处理模块、场景智能识别模块、播音员音库选择模块、背景音选择模块、语速/语调选择模块和场景化音频文件生成模块；

所述手持智能终端获取信息内容，转化为文字格式并上传到云服务器端；云服务器端的文本格式智能处理模块对文字内容进行格式化处理，包括自动分段、删除无效字符，最终获得有效的纯文本格式的内容；场景智能识别模块对文字内容的关键字进行自动识别，预判该内容的使用场景；场景智能识别模块、播音员音库选择模块、背景音选择模块分别根据预判的使用场景选择播音员音库、背景音、语速和语调；场景化音频文件生成模块根据所选择的播音员音库、语速和语调，通过语音合成技术将文字内容转化为音频，并加入背景音，生成音频文件；手持智能终端接收将生成的音频文件提供给用户保存与分享。