[发明专利]调整播放音量的方法、装置、设备以及存储介质

权利要求书

1.一种调整播放音量的方法，包括：

响应于接收到原始语音，确定所述原始语音中的目标语音片段，所述目标语音片段包含关键词；

利用深度学习模型确定与所述目标语音片段对应的目标似然度；

根据所述目标似然度，确定所述目标语音片段是否包括气声；以及

在所述目标语音片段包括气声的情况下，将播放音量调整至预定音量以下。

2.根据权利要求1所述的方法，其中，所述深度学习模型是根据以下方法训练的：

利用所述深度学习模型确定与语音样本对应的气声似然度；

根据所述气声似然度与所述语音样本对应的标准似然度，确定损失值；以及

根据所述损失值，调整所述深度学习模型的参数。

3.根据权利要求2所述的方法，其中，所述深度学习模型包括多层循环神经网络、全连接层和Softmax层。

4.根据权利要求3所述的方法，其中，所述利用所述深度学习模型确定与语音样本对应的气声似然度包括：

将所述语音样本输入所述多层循环神经网络，得到第一输出结果；

将所述第一输出结果输入所述全连接层，得到第二输出结果；以及

将所述第二输出结果输入所述Softmax层，得到所述气声似然度。

5.根据权利要求1-4中任一项所述的方法，其中，所述根据所述目标似然度，确定所述目标语音片段是否包括气声，包括：

确定所述目标似然度是否大于似然度阈值；以及

在所述目标似然度大于似然度阈值的情况下，确定所述目标语音片段包括气声。

6.根据权利要求5所述的方法，还包括：

获取当前时间；以及

根据所述当前时间，确定所述似然度阈值。

7.根据权利要求1所述的方法，其中，所述确定所述原始语音中的目标音频片段包括：

确定所述原始音频的频谱特征；

根据所述频谱特征，确定所述原始音频中与所述关键词对应的起点时刻和终点时刻；以及

截取所述原始音频中所述起点时刻和终点时刻之间的音频片段，作为所述目标音频片段。

8.根据权利要求1所述的方法，还包括：

确定与所述原始音频对应的回答信息；

根据所述回答信息，生成回答语音；以及

以调整后的所述播放音量播放所述回答语音。

9.一种调整播放音量的装置，包括：

第一确定模块，用于响应于接收到原始语音，确定所述原始语音中的目标语音片段，所述目标语音片段包含关键词；

第二确定模块，用于利用深度学习模型确定与所述目标语音片段对应的目标似然度；

第三确定模块，用于根据所述目标似然度，确定所述目标语音片段是否包括气声；以及

音量调整模块，用于在所述目标语音片段包括气声的情况下，将播放音量调整至预定音量以下。

10.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

11.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。

12.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-8中任一项所述方法的步骤。