[发明专利]韵律预测方法、装置、可读介质及电子设备

权利要求书

1.一种韵律预测方法，其特征在于，所述方法包括：

获取待处理的目标文本；

根据所述目标文本和预训练的韵律预测模型，确定所述目标文本的韵律特征信息，所述韵律特征信息包括对应于多种预设韵律维度的韵律特征；

其中，所述韵律预测模型包括特征提取网络和多个特征预测网络，所述特征提取网络用于提取所述目标文本的语言学信息，所述多个特征预测网络分别与所述特征提取网络连接，并且，所述多个特征预测网络各自对应一个所述预设韵律维度，每一所述特征预测网络用于根据所述特征提取网络提取出的语言学信息预测出对应于一种预设韵律维度的韵律特征。

2.根据权利要求1所述的方法，其特征在于，每一预设韵律维度包含多种韵律类别；

所述根据所述目标文本和预训练的韵律预测模型，确定所述目标文本的韵律特征信息，包括：

根据构成所述目标文本的多个单位文本和预设映射表，将所述目标文本转换为文本标识序列，作为目标标识序列，其中，所述预设映射表用于指示单位文本与文本标识之间的对应关系；

将所述目标标识序列输入至所述韵律预测模型中，得到所述韵律预测模型输出的第一结果，所述第一结果用于指示所述目标标识序列中每一文本标识属于各预设韵律维度中每一韵律类别的概率；

根据所述第一结果中每一所述文本标识在各预设韵律维度对应的最大概率，确定所述目标标识序列中每一文本标识的韵律特征信息，以确定所述目标文本的韵律特征信息。

3.根据权利要求2所述的方法，其特征在于，所述韵律预测模型通过如下方式获得：

获取多组训练数据，每一组训练数据包括与训练文本对应的训练标识序列和韵律标签信息，所述训练标识序列是通过所述预设映射表对所述训练文本进行转换得到的，所述韵律标签信息包括对应于所述预设韵律维度的韵律特征；

将所述训练标识序列中的目标训练标识序列输入至本次训练的韵律预测模型，得到本次训练的韵律预测模型输出的第二结果，所述第二结果用于指示所述目标训练标识序列中每一文本标识属于各预设韵律维度中每一韵律类别的概率；

若满足停止训练条件，将本次训练的韵律预测模型确定为训练完成的韵律预测模型；

若不满足所述停止训练条件，确定本次训练的目标损失值，并利用所述目标损失值更新本次训练的韵律预测模型的参数，并将更新后的韵律预测模型用于下一次训练，直至满足所述停止训练条件，其中，所述目标损失值根据所述目标训练标识序列对应的韵律标签信息和所述第二结果确定。

4.根据权利要求3所述的方法，其特征在于，所述第二结果包括本次训练的韵律预测模型中每一特征预测网络的输出内容；

所述确定本次训练的目标损失值，包括：

根据所述目标训练标识序列对应的韵律标签信息，分别与每一所述输出内容进行损失值计算，得到每一特征预测网络各自对应的损失值；

根据每一特征预测网络各自对应的计算权重，对各特征预测网络对应的损失值进行加权求和，以得到所述目标损失值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述目标训练标识序列对应的韵律标签信息，分别与每一所述输出内容进行损失值计算，得到每一特征预测网络各自对应的损失值，包括：

分别将每一所述特征预测网络作为目标特征预测网络，并执行以下操作：

根据所述多组训练数据，确定目标韵律维度包含的韵律类别各自对应的计算权重，所述目标韵律维度为目标特征预测网络对应的预设韵律维度，且韵律类别在所述多组训练数据中出现的次数越多，该韵律类别对应的计算权重越小；

根据所述目标训练标识序列对应的韵律标签信息、所述目标特征预测网络的输出内容以及所述目标韵律维度的每一韵律类别各自对应的计算权重，确定所述目标特征网络对应的损失值。

6.根据权利要求4所述的方法，其特征在于，特征预测网络对应的计算权重与该特征预测网络对应的损失值负相关。