[发明专利]音视频文件大小的获取方法和装置

权利要求书

1.一种音视频文件大小的获取方法，其特征在于，包括：

获取目标文本；

对所述目标文本进行特征提取，生成目标韵律特征和目标音素特征；

基于所述目标韵律特征和所述目标音素特征，获取目标音频文件的目标文件大小，所述目标音频文件为对所述目标文本进行语音合成所生成的。

2.根据权利要求1所述的音视频文件大小的获取方法，其特征在于，所述基于所述目标韵律特征和所述目标音素特征，获取目标音频文件的目标文件大小，包括：

基于所述目标韵律特征和所述目标音素特征，获取所述目标音频文件的第一预测文件大小；

对所述第一预测文件大小和目标残差值求和，生成所述目标文件大小，所述目标残差值基于样本文件大小和预测的样本文本对应的样本音频文件的大小确定的，所述样本文件大小为所述样本文本对应的样本音频文件的实际大小。

3.根据权利要求2所述的音视频文件大小的获取方法，其特征在于，所述目标残差值通过如下步骤确定：

获取样本文本、所述样本文本对应的样本音频文件和所述样本音频文件对应的样本文件大小，所述样本音频文件为对所述样本文本进行语音合成所生成的；

对所述样本文本进行特征提取，生成样本韵律特征和样本音素特征；

基于所述样本韵律特征和所述样本音素特征，获取所述样本音频文件的第二预测文件大小；

将所述第二预测文件大小和所述样本文件大小的差值的绝对值，确定为所述目标残差值。

4.根据权利要求2所述的音视频文件大小的获取方法，其特征在于，所述基于所述目标韵律特征和所述目标音素特征，获取所述目标音频文件的第一预测文件大小，包括：

将所述目标韵律特征和所述目标音素特征输入至文件大小预测模型，获取由所述文件大小预测模型输出的所述第一预测文件大小；其中，

所述文件大小预测模型为，以样本韵律特征和样本音素特征为样本，以与所述样本韵律特征和所述样本音素特征对应的样本文件大小为样本标签，训练得到。

5.根据权利要求1所述的音视频文件大小的获取方法，其特征在于，在所述获取目标音频文件的目标文件大小之后，所述方法还包括：

基于所述目标韵律特征和所述目标音素特征对所述目标文本进行切分，生成多个分句序列；

对所述分句序列进行语音合成，生成分句语音；

输出所述分句语音和所述目标文件大小，并对所述分句语音进行拼接，生成所述目标音频文件。

6.根据权利要求1-5任一项所述的音视频文件大小的获取方法，其特征在于，所述对所述目标文本进行特征提取，生成目标韵律特征和目标音素特征，包括：

将所述目标文本转化为韵律音素序列，所述韵律音素序列包括与所述目标文本对应的多个音素以及位于相邻所述音素之间的韵律标识符；

对所述韵律音素序列进行特征提取，生成所述目标韵律特征和所述目标音素特征。

7.根据权利要求6所述的音视频文件大小的获取方法，其特征在于，所述目标韵律特征和所述目标音素特征包括：所述韵律音素序列的长度、所述韵律音素序列中的中文拼音的数量、所述韵律音素序列中的停顿符号的数量、所述韵律音素序列中的英文音素的数量、所述韵律音素序列中的中文音素的数量、所述韵律音素序列中的中文声母的数量、所述韵律音素序列中的中文韵母的数量以及所述韵律音素序列中的各个类别的英文音素中的至少一种。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述音视频文件大小的获取方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述音视频文件大小的获取方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述音视频文件大小的获取方法。