[发明专利]语音播报方法、装置、电子设备及存储介质

说明书

本申请公开了语音播报方法、装置、电子设备及存储介质，涉及语音技术领域。具体实现方案为：先获取待播报文本，然后，根据待播报文本以及用户语音合成引擎生成合成语音，合成语音用于模拟用户发音，用户语音合成引擎是根据用户语音集合训练得到的引擎，其中，用户语音集合包括用户输入的语音控制指令；最后，对播放合成语音进行播放。本申请提供的语音播报方法，可以通过利用个性化的用户语音合成引擎对待播报文本进行语音合成并播放，以模拟用户发音，从而实现个性化声音的输出。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种语音技术。

背景技术

随着语音技术的发展，越来越多的领域都实现了语音交互，而从文本到语音(TextTo Speech，简称TTS)的方式被广泛用于一些不适合通过视觉获取信息的场景，例如，车载场景中。

其中，TTS是语音合成应用的一种，它可以将储存于电子设备中的文件，如文字数据，转换成自然语音进行输出。目前，对于TTS的合成，通常需要大量的语料数据进行训练。厂家通常在对模型进行训练之后，生成TTS合成引擎，并将训练好的引擎预设在电子设备中，以进行后续的合成。

但是，由于厂家提供的TTS合成引擎通常都是统一的，因此，在进行语音合成时，针对不同用户所合成输出的语音也都是无差异化的。

发明内容

本申请提供一种语音播报方法、装置、电子设备及存储介质，以解决由于TTS合成引擎统一所带来的合成输出的语音无差异化的问题。

第一方面，本申请提供一种语音播报方法，包括：

获取待播报文本；

根据所述待播报文本以及用户语音合成引擎生成合成语音，所述合成语音用于模拟用户发音，所述用户语音合成引擎是根据用户语音集合训练得到的引擎，其中，所述用户语音集合包括所述用户输入的语音控制指令；

播放所述合成语音。

在本实施中，通过利用个性化的用户语音合成引擎对待播报文本进行语音合成并播放，从而模拟用户发音，以实现个性化声音的输出，其中，用户语音合成引擎可以是通过利用用户输入的语音控制指令训练生成，从而在用户进行正常的语音控制同时，就可以生成用于训练的语料数据，从而避免了传统定制个性化合成引擎时，需要特意进行长时间录制所带来的不便。

在一种可能的设计中，在所述根据所述待播报文本以及用户语音合成引擎生成合成语音之前，还包括：

获取所述用户输入的所述语音控制指令，以生成所述用户语音集合；

根据所述语音控制指令获取语音识别文本，以生成语音识别文本集合；

根据所述用户语音集合以及所述识别文本集合生成语音训练库；

根据所述语音训练库对预设语音合成模型进行训练以生成所述用户语音合成引擎。

在本实施例中，通过将用户输入的语音控制指令进行语音识别，从而生成用户语音集合以及语音识别文本集合，进而构建用于对预设语音合成模型进行训练的语音训练库。

在一种可能的设计中，在所述根据所述语音训练库对预设语音合成模型进行训练以生成所述用户语音合成引擎之前，还包括：

确定所述语音训练库中的训练语料数量大于预设数量阈值。

在本实施例中，通过设置练语料数量的阈值作为训练的触发条件，可以保证在存储有具备足够数量的训练语料之后再进行训练，从而保证训练的有效性。

在一种可能的设计中，在所述根据所述待播报文本以及用户语音合成引擎生成合成语音之前，还包括：

获取引擎选择指令；