[发明专利]一种文本转换为语音的方法、装置、存储介质和设备

权利要求书

1.一种文本转换为语音的方法，包括：

对文本进行情感特征识别，得到所述文本中每个词的多级情感特征向量；

对所述文本进行内容特征识别，得到所述文本中每个词的多级内容特征向量；

所述文本为第一文本或第二文本，所述第二文本为对所述第一文本进行口语化转换得到的；

根据每个词的多级情感特征向量和多级内容特征向量对每个词进行转换得到对应的语音。

2.根据权利要求1所述的方法，所述对第一文本进行口语化转换，包括：

利用口语化识别模型对所述第一文本中的每个句子进行识别，得到每个句子对应的口语化转换概率；

使用口语化转换模型，对所述第一文本中口语化转换概率满足阈值的句子一一进行转换，得到所述第二文本。

3.根据权利要求2所述的方法，所述使用口语化转换模型，对所述第一文本中口语化转换概率满足阈值的句子一一进行转换，包括：

利用用户的类型对应的口语化转换模型，对所述句子一一进行转换。

4.根据权利要求3所述的方法，该方法还包括：

获取用户语音；

提取用户语音的梅尔频率倒谱系数MFCC特征和身份特征向量i-vector；

基于所述MFCC特征和所述i-vector，利用语音识别模型对用户语音进行识别，确定用户的类型。

5.根据权利要求1所述的方法，所述每个词的多级情感特征向量包括：词的情感特征向量、词所属句子的情感特征向量、词所属段落的情感特征向量；

所述对于所述文本进行情感特征识别，得到所述文本中每个词的多级情感特征向量，包括：

根据词的词向量、词在所属句子的位置向量以及词所属句子在段落中的位置向量，使用词级别的情感识别模型对词进行识别，得到词的情感特征向量；

根据句子中包含的每个词的情感特征向量，使用句子级别的情感识别模型对句子进行识别，得到词所属句子的情感特征向量；

根据段落中包含的每个句子的情感特征向量，使用段落级别的情感识别模型对段落进行识别，得到词所属段落的情感特征向量。

6.根据权利要求1所述的方法，所述每个词的多级内容特征向量包括：词的内容特征向量、词所属句子的内容特征向量、词所属段落的内容特征向量；

对所述文本进行内容特征识别，得到所述文本中每个词的多级内容特征向量，包括：

根据词的词向量、词在所属句子的位置向量以及词所属句子在段落中的位置向量，使用词级别的内容识别模型对词进行识别，得到词的内容特征向量；

根据句子中包含的每个词的内容特征向量，使用句子级别的内容识别模型对句子进行识别，得到词所属句子的内容特征向量；

根据段落中包含的每个句子的内容特征向量，使用段落级别的内容识别模型对段落进行识别，得到词所属段落的内容特征向量。

7.根据权利要求5或6所述的方法，所述根据每个词的多级情感特征向量和多级内容特征向量对每个词进行转换得到语音，包括：

根据词的情感特征向量、词所属句子的情感特征向量、词所属段落的情感特征向量、词的内容特征向量、词所属句子的内容特征向量和词所属段落的内容特征向量，使用语音转换模型对词进行转换得到词对应的语音。

8.一种文本转换为语音的装置，包括：

情感识别模块，用于对文本进行情感特征识别，得到所述文本中每个词的多级情感特征向量；

内容识别模块，用于对所述文本进行内容特征识别，得到所述文本中每个词的多级内容特征向量；

所述文本为第一文本或第二文本，所述第二文本为对所述第一文本进行口语化转换得到的；

语音合成模块，用于根据每个词的多级情感特征向量和多级内容特征向量对每个词进行转换得到对应的语音。

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行权利要求1-7任一项所述的文本转换为语音的方法。

10.一种设备，包括：

处理器、用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现权利要求1-7任一项所述的文本转换为语音的方法。