[发明专利]语音处理方法、装置、系统、设备及存储介质

说明书

本申请提供了一种语音处理方法、装置、系统、设备及存储介质，属于互联网技术领域。所述方法包括：响应于获取到输入语音数据，向服务器发送携带所述输入语音数据的回复请求；接收所述服务器返回的处理结果数据，所述处理结果数据由所述服务器根据终端与所述服务器之间的网络质量参数对应的目标处理进度，对所述输入语音数据进行处理后得到，所述目标处理进度用于指示所述服务器对所述输入语音数据的处理进度；根据所述网络质量参数对应的所述目标处理进度，对所述处理结果数据继续进行处理，得到所述输入语音数据对应的回复语音数据。上述方法能够在网络信号质量差的情况下，降低语音处理的延时。

技术领域

本申请涉及互联网技术领域，特别涉及一种语音处理方法、装置、系统、设备及存储介质。

背景技术

随着互联网技术的发展，智能对话功能越来越普及，通过智能对话功能，能够根据用户的输入语音数据与用户进行对话。例如，用户的输入语音数据为“今天的温度是多少”，则根据该输入语音数据输出回复语音数据“今天的温度是20度”。

相关技术中，终端在获取到用户的输入语音数据后，将该输入语音数据上传至服务器，服务器根据该输入语音数据获取对应的回复语音数据，将回复语音数据发送给终端，然后终端播放该回复语音数据。

然而，上述方案在网络信号质量差的情况下，可能导致终端获取回复语音数据的延时较大，甚至无法获取到回复语音数据。

发明内容

本申请实施例提供了一种语音处理方法、装置、系统、设备及存储介质，能够在网络信号质量差的情况下，降低语音处理的延时，所述技术方案如下。

一方面，提供了一种语音处理方法，所述方法包括：

响应于获取到输入语音数据，向服务器发送携带所述输入语音数据的回复请求；

接收所述服务器返回的处理结果数据，所述处理结果数据由所述服务器根据终端与所述服务器之间的网络质量参数对应的目标处理进度，对所述输入语音数据进行处理后得到，所述目标处理进度用于指示所述服务器对所述输入语音数据的处理进度；

根据所述网络质量参数对应的所述目标处理进度，对所述处理结果数据继续进行处理，得到所述输入语音数据对应的回复语音数据。

在一种可能的实现方式中，所述根据所述网络质量参数对应的所述目标处理进度，对所述处理结果数据继续进行处理，得到所述输入语音数据对应的回复语音数据，包括：

根据所述网络质量参数对应的所述目标处理进度，调用语音转换模型对所述处理结果数据继续进行处理，得到所述回复语音数据。

在另一种可能的实现方式中，所述根据所述网络质量参数对应的所述目标处理进度，调用语音转换模型对所述处理结果数据继续进行处理，得到所述回复语音数据，包括：

确定所述目标处理进度对应的开始子模型，所述开始子模型为开始对所述处理结果数据进行处理的子模型；

从所述语音转换模型中的所述开始子模型开始，对所述处理结果数据进行处理，直至得到所述语音转换模型输出的所述回复语音数据。

在另一种可能的实现方式中，所述处理结果数据包括所述输入语音数据的回复文本数据，所述根据所述网络质量参数对应的所述目标处理进度，调用语音转换模型对所述处理结果数据继续进行处理，得到所述回复语音数据，包括：

调用所述语音转换模型中的音素转换子模型，对所述回复文本数据进行转换，得到所述回复文本数据对应的音素序列；

调用所述语音转换模型中的时长预测子模型，根据所述音素序列进行预测，得到所述音素序列中的每个音素的发音时长；

调用所述语音转换模型中的特征提取子模型，根据所述音素序列中的每个音素和所述每个音素的发音时长进行特征转换，得到回复声学特征；