[发明专利]语音合成处理方法、装置和介质

说明书

本发明实施例提供了一种语音合成处理方法、装置和介质。其中的方法具体包括：检测用户操作；在所述用户操作为语音合成编辑操作或时长获取操作的情况下，确定并展示音频时长信息；其中，所述音频时长信息为对文本信息进行时长预测得到。本发明实施例可以提高音频时长的获取效率，以及能够提高语音合成编辑的效率。

技术领域

本发明涉及语音合成技术领域，尤其涉及一种语音合成处理方法、装置 和介质。

背景技术

语音合成技术，是将文本信息转换为指定音色的音频的技术。语音合成 技术可以应用于动画制作、视频配音、网上答题、作品朗读等多种应用场景。 在这些应用场景下，用户往往关注音频时长，以判断合成得到的音频是否满 足音频编辑需求。

目前，获取音频时长的做法通常为：首先，利用语音合成技术，将文本 信息转换为音频；然后，下载音频；接着，利用播放器播放音频，以获得播 放器显示的音频时长。

发明人在实施本发明实施例的过程中发现，将文本信息转换为音频、下 载音频和播放音频，均需要花费较多的时间，这导致音频时长的获取效率较 低。

发明内容

本发明实施例提供一种语音合成处理方法、装置和介质，如何快速获取 音频时长是本领域技术人员需要解决的技术问题。

为了解决上述问题，本发明实施例公开了一种语音合成处理方法，包括：

检测用户操作；

在所述用户操作为语音合成编辑操作或时长获取操作的情况下，确定并 展示音频时长信息；其中，所述音频时长信息为对文本信息进行时长预测得 到。

为了解决上述问题，本发明实施例公开了一种语音合成处理方法，包括：

在检测到语音合成编辑操作或时长获取操作的情况下，对文本信息进行 时长预测，以得到音频时长信息；

输出所述音频时长信息。

另一方面，本发明实施例公开了一种语音合成处理装置，包括：

检测模块，用于检测用户操作；以及

处理模块，用于在所述用户操作为语音合成编辑操作或时长获取操作的 情况下，确定并展示音频时长信息；其中，所述音频时长信息为对文本信息 进行时长预测得到。

另一方面，本发明实施例公开了一种语音合成处理装置，包括：

时长预测模块，用于在检测到语音合成编辑操作或时长获取操作的情况 下，对文本信息进行时长预测，以得到音频时长信息；以及

输出模块，用于输出所述音频时长信息。

再一方面，本发明实施例公开了一种用于语音合成处理的装置，包括有 存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于 存储器中，所述程序被一个或者一个以上处理器执行时，实现前述方法的步 骤。

又一方面，本发明实施例公开了一种机器可读介质，其上存储有指令， 当由一个或多个处理器执行时，使得装置执行如前述一个或多个所述的语音 合成处理方法。

本发明实施例包括以下优点：

本发明实施例在检测到语音合成编辑操作或时长获取操作的情况下，基 于时长预测确定音频时长信息，并将音频时长信息展示给用户。由于音频时 长信息可以为对文本信息进行时长预测得到，故音频时长信息的获取可以不 依赖于合成得到的音频，因此能够节省将文本信息转换为音频→下载音频→ 播放音频等操作所耗费的时间，进而能够提高音频时长的获取效率。