[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

说明书

本发明公开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。

技术领域

本发明涉及语音处理技术，尤其涉及一种文本转换为语音的方法、装置、存储介质和设备。

背景技术

目前，将文本转换为语音时，只是基于文本内容进行简单的语音合成，生成的语音音调生硬、语句不连贯、没有感情、不自然，给用户带来的视听体验不好，在将短文、小说等转换为有声资源时，此种不好视听体验将会更加的明显。而如何基于AI技术将文本转换为媲美真人声音的语音是一个亟待解决的问题。

发明内容

本公开提供一种文本转换为语音的方法、装置、存储介质和设备，以至少解决现有技术中存在的以上技术问题。

本公开第一方面提供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。

其中，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。

其中，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。

其中，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。

其中，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。

其中，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：