[发明专利]一种智能家居的语音播报系统及语音播报方法在审
| 申请号: | 201510755882.7 | 申请日: | 2015-11-09 |
| 公开(公告)号: | CN105304081A | 公开(公告)日: | 2016-02-03 |
| 发明(设计)人: | 王程程;黄盼 | 申请(专利权)人: | 上海语知义信息技术有限公司 |
| 主分类号: | G10L13/02 | 分类号: | G10L13/02;H04L12/28 |
| 代理公司: | 上海唯源专利代理有限公司 31229 | 代理人: | 曾耀先 |
| 地址: | 200031 上海市徐汇*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 智能家居 语音 播报 系统 方法 | ||
1.一种智能家居的语音播报系统,其特征在于,包括:
信息收集模块,用于接收智能家居发出的报警信号;
触发模块,与所述信息收集模块连接,用于触发对应于所述报警信号的文本信息;
模型存储模块,用于建立和存储声音模型;
语音合成模块,与所述触发模块和所述模型存储模块连接,用于调用所述模型存储模块存储的声音模型,根据所述声音模型和决策树预测得到所述触发模块传送的文本信息对应的声学参数,将所述声学参数进行语音合成,输出经语音合成的语音文件;以及
语音播放模块,与所述语音合成模块连接,用于播放所述语音文件。
2.如权利要求1所述的智能家居的语音播报系统,其特征在于,所述模型存储模块包括:
语音标注前端处理单元,用于采集声音数据源,对采集的所述声音数据源进行语音标注前端处理,得到文本标注信息;
特征参数抽取单元,与所述语音标注前端处理单元连接,用于提取所述文本标注信息的基频和频谱的声学特征;
训练单元,与所述特征参数抽取单元连接,用于基于隐马尔可夫模型的参数聚类和训练,形成所述声学特征的声音模型;以及
模型存储单元,与所述训练单元连接,用于存储所述声音模型。
3.如权利要求1所述的智能家居的语音播报系统,其特征在于,所述语音合成模块包括:
标注存储单元,与所述触发模块连接,用于对所述触发模块传送的文本信息进行词性分析和韵律预测;
参数预测单元,与所述标注存储单元和所述模型存储模块连接,用于调用所述模型存储模块存储的声音模型,根据所述声音模型和决策树预测得到经词性分析和韵律预测的所述文本信息对应的声学参数;以及
合成器合成语音单元,与所述参数预测单元连接,用于将所述声学参数送到参数合成器中进行语音合成,输出经语音合成的语音文件。
4.如权利要求1所述的智能家居的语音播报系统,其特征在于:所述智能家居为扫地机器人,所述报警信号为故障信号和/或电量信号。
5.如权利要求4所述的智能家居的语音播报系统,其特征在于:所述语音播放模块为内嵌在所述扫地机器人内的一个语音播放器。
6.一种智能家居的语音播报方法,其特征在于,包括:
接收智能家居发出的报警信号;
触发对应于所述报警信号的文本信息;
建立和存储声音模型;
调用存储的声音模型,根据所述声音模型和决策树预测得到所述文本信息对应的声学参数,将所述声学参数进行语音合成,输出经语音合成的语音文件;以及
播放所述语音文件。
7.如权利要求6所述的智能家居的语音播报方法,其特征在于,建立和存储声音模型,包括:
采集声音数据源,对采集的所述声音数据源进行语音标注前端处理,得到文本标注信息;
提取所述文本标注信息的基频和频谱的声学特征;
基于隐马尔可夫模型的参数聚类和训练,形成所述声学特征的声音模型;以及
存储所述声音模型。
8.如权利要求6所述的智能家居的语音播报方法,其特征在于,调用存储的声音模型,根据所述声音模型和决策树预测得到所述文本信息对应的声学参数,将所述声学参数进行语音合成,输出经语音合成的语音文件,包括:
对文本信息进行词性分析和韵律预测;
调用存储的声音模型,根据所述声音模型和决策树预测得到经词性分析和韵律预测的所述文本信息对应的声学参数;以及
将所述声学参数送到参数合成器中进行语音合成,输出经语音合成的语音文件。
9.如权利要求6所述的智能家居的语音播报方法,其特征在于,所述智能家居为扫地机器人;接收智能家居发出的报警信号,包括:接收扫地机器人发出的故障信号和/或电量信号。
10.如权利要求9所述的智能家居的语音播报方法,其特征在于:触发对应于所述报警信号的文本信息,包括:
在接收到所述扫地机器人发出的故障信号后,触发预置的遇到障碍物的文本信息;
在接收到所述扫地机器人发出的电量信号后,触发预置的电池即将耗尽的文本信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海语知义信息技术有限公司,未经上海语知义信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510755882.7/1.html,转载请声明来源钻瓜专利网。





