[发明专利]热词感知语音合成

权利要求书

1.一种方法(400)，包括：

在语音合成设备(300)的数据处理硬件(112)处接收用于转换成合成语音(160)的文本输入数据(302)；

通过所述数据处理硬件(112)和使用被训练成检测分配给用户设备(110)的至少一个热词(130)的存在的热词感知模型(320)，确定所述文本输入数据(302)的发音是否包括热词(130)，所述热词(130)当被包括在由用户设备(110)接收的音频输入数据中时，被配置为在用户设备(110)上发起用于处理所述音频输入数据中的所述热词(130)和/或所述热词(130)之后的一个或多个其他术语的唤醒过程；以及

当所述文本输入数据(302)的发音包括所述热词(130)时：

从所述文本输入数据(302)生成音频输出信号(304)；和

由数据处理硬件(112)向音频输出设备(118)提供所述音频输出信号(304)以输出所述音频输出信号(304)，所述音频输出信号(304)当被用户设备(110)的音频捕获设备(116)捕获时，被配置为阻止在用户设备(110)上发起唤醒过程。

2.根据权利要求1所述的方法(400)，其中，确定所述文本输入数据(302)的发音是否包括所述热词(130)包括确定所述文本输入数据(302)的词、子词或文本到语音序列中的至少一个的发音与所述热词(130)相关联。

3.根据权利要求1或2所述的方法(400)，其中，所述热词感知模型(320)在分配给用户设备(110)的热词(130)的文本到语音序列或音频表示上被训练。

4.根据权利要求1-3中任一项所述的方法(400)，其中，所述文本输入数据(302)包括第一语言，并且所述音频输出信号(304)包括不同语言的所述文本输入数据(302)的翻译。

5.根据权利要求1-4中任一项所述的方法(400)，还包括：

由数据处理硬件(112)检测所述语音合成设备(300)的操作环境内用户设备(110)的存在；以及

由数据处理硬件(112)查询用户设备(110)以获得分配给用户设备(110)的用于训练所述热词感知模型(320)的热词(130)。

6.根据权利要求1-5中任一项所述的方法(400)，还包括由数据处理硬件(112)查询远程热词储存库(142)，以至少获得分配给用户设备(110)的用于训练所述热词感知模型(320)的热词(130)。

7.根据权利要求1-6中任一项所述的方法(400)，其中，从所述文本输入数据(302)生成所述音频输出信号(304)包括向所述音频输出信号(304)插入水印(352)，所述水印(352)表示所述音频输出信号(304)对应于合成语音(160)，并且指示用户设备(110)的热词检测器(200)忽略对所述合成语音(160)中的热词(130)的检测。

8.根据权利要求1-6中任一项所述的方法(400)，其中，从所述文本输入数据(302)生成所述音频输出信号(304)包括：

确定表示针对所述文本输入数据(302)的文本到语音输出的语音波形；以及

通过移除或改变与所述热词(130)相关联的任何声音来改变所述语音波形，以规避由所述用户设备(110)的热词检测器(200)对所述热词(130)的检测。

9.根据权利要求1-6中任一项所述的方法(400)，其中，从所述文本输入数据(302)生成所述音频输出信号(304)包括：

确定表示所述文本输入数据(302)的语音波形；以及

对音频波形滤波以规避由所述用户设备(110)的热词检测器(200)对所述热词(130)的检测。