[发明专利]语音音频处理方法、装置及电子设备

权利要求书

1.一种语音音频处理方法，其特征在于，包括：

获取目标发音人的目标语料；

基于所述目标语料，生成所述目标发音人对应的目标音频资源包；

在接收到第一电子设备发送的表示请求下载所述目标音频资源包的下载请求的情况下，将所述目标音频资源包发送至第一电子设备，所述目标音频资源包用于生成与所述目标发音人对应的应答语音；

其中，所述目标音频资源包包括至少一条语音音频，所述语音音频的播报音色为所述目标发音人的音色；所述目标语料包括所述目标发音人发出的语音形式的语料，所述目标语料的语料内容包括预先确定的短语、语句、短篇和曲调中的至少一种。

2.根据权利要求1所述的语音音频处理方法，其特征在于，所述基于所述目标语料，生成所述目标发音人对应的目标音频资源包，包括：

将所述目标语料输入音频合成模型，获取所述音频合成模型输出的所述目标音频资源包；

其中，所述音频合成模型，是以样本发音人的样本语料为样本，以所述样本发音人对应的样本音频资源包为样本标签预先构建的；所述样本音频资源包，包括至少一条样本语音音频，所述样本语音音频的播报音色为所述样本发音人的音色；所述样本语料包括所述样本发音人发出的语音形式的语料，所述目标语料的语料内容与所述样本语料的语料内容相同。

3.根据权利要求1或2所述的语音音频处理方法，其特征在于，所述将所述目标音频资源包发送至第一电子设备之后，所述方法还包括：

接收所述第一电子设备发送的所述应答语音的状态信息；

基于所述状态信息，更新所述音频合成模型；

其中，所述状态信息包括所述应答语音播报的开始时刻、结束时刻、所述应答语音的标识信息以及基于所述应答语音的反馈信息中的至少一种。

4.根据权利要求1所述的语音音频处理方法，其特征在于，所述基于所述目标语料，生成所述目标发音人对应的目标音频资源包之后，所述方法还包括：

在接收到所述第一电子设备发送的语音指令的情况下，基于所述语音指令的声纹特征，确定所述语音指令对应的目标发音人；

根据所述语音指令的处理结果，从所述目标音频资源包中确定目标语音音频，并基于所述处理结果和所述目标语音音频合成与所述目标发音人对应的应答语音；

将所述应答语音发送至所述第一电子设备，以使得所述第一电子设备接收到所述应答语音之后，播报所述应答语音。

5.一种语音音频处理方法，其特征在于，包括：

根据接收到的语音指令的声纹特征，确定所述语音指令对应的目标发音人；

在网络状态满足特定条件时，查找与所述目标发音人对应的目标音频资源包；

根据所述语音指令的处理结果，从所述目标音频资源包中确定目标语音音频，并基于所述处理结果和所述目标语音音频合成应答语音，并播报所述应答语音。

6.根据权利要求5所述的语音音频处理方法，其特征在于，所述在网络状态满足特定条件时，查找与所述目标发音人对应的目标音频资源包之前，所述方法还包括：

向服务端发送表示请求下载目标发音人对应的目标音频资源包的下载请求；

接收并存储所述服务端发送的所述目标音频资源包；其中，所述目标音频资源包，包括至少一条语音音频，所述语音音频的播报音色为所述目标发音人的音色；所述目标音频资源包是基于所述目标发音人的目标语料生成的；所述目标语料包括所述目标发音人发出的语音形式的语料，所述目标语料的语料内容包括预先确定的短语、语句、短篇和曲调中的至少一种。

7.根据权利要求5所述的语音音频处理方法，其特征在于，所述基于所述处理结果和所述目标语音音频合成应答语音，并播报所述应答语音之后，所述方法还包括：

获取所述应答语音的状态信息；

将所述应答语音的状态信息发送至服务端，以使得所述服务端基于所述状态信息更新用于获取所述目标音频资源包的音频合成模型；

其中，所述状态信息，包括所述应答语音播报的开始时刻、结束时刻、所述应答语音的标识信息以及基于所述应答语音的反馈信息中的至少一种。