[发明专利]文本播报方法、装置、电子设备及存储介质

说明书

本申请公开了一种文本播报方法、装置、电子设备及存储介质，该方法包括：获取待播报文本，并将待播报文本转换为音频数据；对待播报文本进行识别，获得情感参数，情感参数用于表征待播报文本中的播报对象的情感，情感参数包括表情参数、动作参数以及语气参数；获取预先设置的播报虚拟人物；基于播报虚拟人物、情感参数、以及音频数据生成与待播报文本对应的待播报视频，其中，待播报视频包括在待播报视频的播放过程中，基于表情参数和动作参数更新播报虚拟人物的外在动作，以及基于语气参数更新音频数据的播报语气特征；输出待播报视频。可以在用音频的方式播报文本的同时，显示虚拟人物来进行播报，从而提高文本播报的趣味性，提升了用户体验。

技术领域

本申请涉及电子设备技术领域，更具体地，涉及一种文本播报方法、装置、电子设备及存储介质。

背景技术

随着社会的进步和人们生活水平的逐步提高，人们获取文本中信息的方式也越来越多，越来越方便。相比于之前仅能通过阅读的方式来获取文本中的信息，现在还可以通过音频播放的方式来实现。

虽然音频播放的方式可以方便用户在不用看着文本的情况下也能获取文本的信息，但是，音频的表现形式比较单调，用户在听了长时间音频后通常会感到枯燥，导致用户体验较差。

发明内容

鉴于上述问题，本申请提出了一种文本播报方法、装置、电子设备及存储介质，可以让用户同时从听觉和视觉上去获取文本中的信息，从而使文本信息能够更加生动形象地表现出来，提升了用户的阅读体验。

第一方面，本申请实施例提供了一种文本播报方法，该方法包括：获取待播报文本，并将待播报文本转换为音频数据；对待播报文本进行识别，获得情感参数，情感参数用于表征待播报文本中的播报对象的情感，情感参数包括表情参数、动作参数以及语气参数；获取预先设置的播报虚拟人物；基于播报虚拟人物、情感参数、以及音频数据生成与待播报文本对应的待播报视频，其中，待播报视频包括在待播报视频的播放过程中，基于表情参数和动作参数更新播报虚拟人物的外在动作，以及基于语气参数更新音频数据的播报语气特征；输出待播报视频。

可选地，该方法还包括：识别待播报文本中与播报对象关联的关键词；获取与关键词对应的虚拟动画，以及与虚拟动画对应的音频信息；当待播报视频播放到与关键词对应的画面时，将待播报视频中的播报虚拟人物切换成虚拟动画，并播放与虚拟动画对应的音频信息。

可选地，关键词包括环境关键词和实物关键词，获取与关键词对应的虚拟动画，具体包括：获取与环境关键词对应的虚拟环境，并获取与实物关键词对应的虚拟形象；基于虚拟环境和虚拟形象生成虚拟动画。

可选地，在将待播报视频中的播报虚拟人物切换成虚拟动画，并播放与虚拟动画对应的音频信息之后，还包括：将关键词在待播报文本中所处的段落确定为第一段落；将与第一段落相邻的下一个段落确定为第二段落；判断第二段落中是否存在关键词；当不存在关键词时，在待播报视频播放到与第二段落对应的画面时，将虚拟动画切换成播报虚拟人物。

可选地，基于播报虚拟人物、情感参数、以及音频数据生成与待播报文本对应的待播报视频，包括：根据表情参数以及动作参数驱动播报虚拟人物，得到多帧播报图像；根据语气参数以及音频数据合成播报语音；根据多帧播报图像和播报语音生成待播报视频。

可选地，获取预先设置的播报虚拟人物，包括：获取预先设置的多个虚拟人物，并将多个虚拟人物进行显示，其中，每个虚拟人物对应一个播报音色，且每个虚拟人物对应的播报音色不同；获取用户输入的选取指令；响应选取指令，从多个虚拟人物中选取与选取指令对应的虚拟人物；将与选取指令对应的虚拟人物确定为播报虚拟人物。

可选地，获取预先设置的播报虚拟人物，包括：获取用户的属性信息，属性信息包括年龄和性别中的至少一种；根据属性信息确定播报虚拟人物。