[发明专利]音频生成方法、装置、非易失性存储介质及计算机设备

说明书

本发明公开了一种音频生成方法、装置、非易失性存储介质及计算机设备。其中，该方法包括：接收目标对象的文本语音转换请求；响应文本语音转换请求，获取目标文本和文本语音转换请求对应的目标渠道类别；确定与目标渠道类别相匹配的目标多音字词汇库；基于目标多音字词汇库，生成目标文本对应的语音音频。本发明解决了用户使用文本到语音功能时，多音字的语音转换不准确的技术问题。

技术领域

本发明涉及人工智能领域，具体而言，涉及一种音频生成方法、装置、非易失性存储介质及计算机设备。

背景技术

虚拟数字人系统的汉语TTS指的是利用计算机将给定的汉字文本信息转换成汉语语音。随着TTS应用的普及，人们对TTS系统的要求也越来越高。但是在汉语中，一字多音是很常见的现象，而且没有统一的规则可循。通常判断多音字的读音往往按照约定成俗的读法。追求中文字音转换的正确率，是中文TTS系统最基本的要求。多音字现象的存在给汉语TTS系统增加了难度，如何正确地识别中文多音字成为制约中文TTS发展的一个瓶颈。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种音频生成方法、装置、非易失性存储介质及计算机设备，以至少解决用户使用文本到语音功能时，多音字的语音转换不准确的技术问题。

根据本发明实施例的一个方面，提供了一种音频生成方法，包括：接收目标对象的文本语音转换请求；响应所述文本语音转换请求，获取目标文本和所述文本语音转换请求对应的目标渠道类别；确定与所述目标渠道类别相匹配的目标多音字词汇库；基于所述目标多音字词汇库，生成所述目标文本对应的语音音频。

可选地，所述响应所述文本语音转换请求，获取所述文本语音转换请求对应的渠道类别，包括：响应所述文本语音转换请求，确定所述目标对象发送所述文本语音转换请求所采用的目标渠道；根据渠道分类规则，确定所述目标渠道对应的渠道类别为所述目标渠道类别；确定与所述目标渠道类别匹配的多音字词汇库为所述目标多音字词汇库。

可选地，所述根据渠道分类规则，确定所述目标渠道对应的渠道类别为所述目标渠道类别，包括：获取所述目标渠道对应的渠道常用字词；分析所述渠道常用字词，得到所述目标渠道的渠道特征信息；根据所述渠道特征信息和渠道分类规则，确定所述目标渠道对应的所述目标渠道类别。

可选地，所述确定与所述目标渠道类别匹配的多音字词汇库为所述目标多音字词汇库，包括：获取多个多音字词汇库各自的词汇库特征，其中，所述词汇库特征用于表示多音字词汇库适用的渠道类别；根据所述目标渠道类别与所述词汇库特征的匹配结果，确定所述多个多音字词汇库中与所述目标渠道类别匹配的所述目标多音字词汇库。

可选地，所述确定与所述目标渠道类别相匹配的目标多音字词汇库，包括：向所述目标渠道发送词汇库获取请求；接受所述目标渠道返回的词汇库为所述目标多音字词汇库。

可选地，所述响应所述文本语音转换请求，获取目标文本和所述文本语音转换请求对应的目标渠道类别，包括：响应所述文本语音转换请求，获取所述目标文本；从所述目标文本中提取文本关键字；分析所述文本关键字，得到所述文本语音转换请求对应的所述目标渠道类别。

可选地，上述方法还包括：获取目标对象对所述语音音频的反馈信息，其中，所述反馈信息包括显性反馈和隐性反馈；根据所述反馈信息，维护所述目标多音字词汇库。

根据本发明实施例的另一方面，还提供了一种音频生成装置，包括：接收模块，用于接收目标对象的文本语音转换请求；响应模块，用于响应所述文本语音转换请求，获取目标文本和所述文本语音转换请求对应的目标渠道类别；确定模块，用于确定与所述目标渠道类别相匹配的目标多音字词汇库；生成模块，用于基于所述目标多音字词汇库，生成所述目标文本对应的语音音频。