本申請(qǐng)涉及音頻處理，特別涉及一種音頻生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。
背景技術(shù)：
1、隨著越來越多的電子設(shè)備設(shè)有語音交互功能，用戶對(duì)電子設(shè)備的語音交互體驗(yàn)也有了更高的要求。
2、在相關(guān)技術(shù)中，電子設(shè)備在獲得用戶的輸入內(nèi)容之后，使用事先錄好的音頻文件生成對(duì)應(yīng)的輸出音頻，或者對(duì)電子設(shè)備生成的音頻文件進(jìn)行調(diào)整后，再輸出對(duì)應(yīng)的音頻，以和用戶進(jìn)行語音交互。
3、但是，通過上述語音交互的方法，輸出的音頻，存在節(jié)奏機(jī)械化，沒有情感的問題，不能夠滿足用戶豐富的情感需求，大大降低了用戶的語音交互體驗(yàn)。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)實(shí)施例提供了一種音頻生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。該技術(shù)方案如下：
2、根據(jù)本申請(qǐng)實(shí)施例的一方面，提供了一種音頻生成方法，該方法包括：
3、響應(yīng)于觸發(fā)指令，獲取該觸發(fā)指令所包括的情感關(guān)鍵字和播放內(nèi)容信息，該情感關(guān)鍵字用于指示基于該播放內(nèi)容信息進(jìn)行回復(fù)時(shí)的情感表現(xiàn)；
4、基于該情感關(guān)鍵字以及該播放內(nèi)容信息指示的回復(fù)文本，獲取目標(biāo)樂曲；
5、對(duì)該回復(fù)文本以及該目標(biāo)樂曲的節(jié)拍特征參數(shù)進(jìn)行語音合成，得到目標(biāo)音頻。
6、在一種可能的實(shí)現(xiàn)方式中，獲取該觸發(fā)指令所包括的情感關(guān)鍵字和播放內(nèi)容信息，包括：
7、基于預(yù)設(shè)識(shí)別參數(shù)對(duì)該觸發(fā)指令進(jìn)行文字識(shí)別，得到該情感關(guān)鍵字以及播放內(nèi)容信息；該預(yù)設(shè)識(shí)別參數(shù)包括預(yù)設(shè)識(shí)別字、預(yù)設(shè)識(shí)別詞以及預(yù)設(shè)識(shí)別符號(hào)中的至少一項(xiàng)。
8、在一種可能的實(shí)現(xiàn)方式中，基于該情感關(guān)鍵字以及該播放內(nèi)容信息指示的回復(fù)文本，獲取目標(biāo)樂曲，包括：
9、基于該情感關(guān)鍵字對(duì)音樂庫中的待選樂曲的該情感標(biāo)簽進(jìn)行查找，以及基于該回復(fù)文本的播放時(shí)長(zhǎng)對(duì)該音樂庫中的該待選樂曲進(jìn)行查找，得到與該情感關(guān)鍵字以及該回復(fù)文本匹配的該目標(biāo)樂曲。
10、在一種可能的實(shí)現(xiàn)方式中，若該目標(biāo)樂曲的數(shù)量不等于預(yù)設(shè)閾值，則獲取每個(gè)該目標(biāo)樂曲的歷史選中次數(shù)；該歷史選中次數(shù)用于指示對(duì)應(yīng)的該目標(biāo)樂曲，歷史被選中為該目標(biāo)樂曲的數(shù)量；
11、根據(jù)每個(gè)該目標(biāo)樂曲對(duì)應(yīng)的該歷史選中次數(shù)，從多個(gè)該目標(biāo)樂曲中篩選出歷史選中次數(shù)最大的該目標(biāo)樂曲。
12、在一種可能的實(shí)現(xiàn)方式中，對(duì)該回復(fù)文本以及該目標(biāo)樂曲的進(jìn)行語音合成，得到目標(biāo)音頻，包括：
13、基于該回復(fù)文本的文本形式參數(shù)確定該回復(fù)文本中每個(gè)該字/詞對(duì)應(yīng)的至少一個(gè)音符；其中，每個(gè)該音符對(duì)應(yīng)至少一個(gè)節(jié)拍；該文本形式參數(shù)包括詩歌結(jié)構(gòu)以及音符匹配參數(shù)；
14、將每個(gè)該字/詞與對(duì)應(yīng)的該音符，分別進(jìn)行語音合成，得到該目標(biāo)音頻。
15、根據(jù)本申請(qǐng)實(shí)施例的第二方面，提供了一種音頻生成裝置，該裝置包括：
16、響應(yīng)模塊，用于響應(yīng)于觸發(fā)指令，獲取該觸發(fā)指令所包括的情感關(guān)鍵字和播放內(nèi)容信息，該情感關(guān)鍵字用于指示基于該播放內(nèi)容信息進(jìn)行回復(fù)時(shí)的情感表現(xiàn)；
17、獲取模塊，用于基于該情感關(guān)鍵字以及該播放內(nèi)容信息指示的回復(fù)文本，獲取目標(biāo)樂曲；
18、語音合成模塊，用于對(duì)該回復(fù)文本以及該目標(biāo)樂曲的節(jié)拍特征參數(shù)進(jìn)行語音合成，得到目標(biāo)音頻。
19、在一種可能的實(shí)現(xiàn)方式中，該響應(yīng)模塊，包括：
20、基于預(yù)設(shè)識(shí)別參數(shù)對(duì)該觸發(fā)指令進(jìn)行文字識(shí)別，得到該情感關(guān)鍵字以及播放內(nèi)容信息；該預(yù)設(shè)識(shí)別參數(shù)包括預(yù)設(shè)識(shí)別字、預(yù)設(shè)識(shí)別詞以及預(yù)設(shè)識(shí)別符號(hào)中的至少一項(xiàng)。
21、在一種可能的實(shí)現(xiàn)方式中，該獲取模塊，包括：
22、基于該情感關(guān)鍵字對(duì)音樂庫中的待選樂曲的該情感標(biāo)簽進(jìn)行查找，以及基于該回復(fù)文本的播放時(shí)長(zhǎng)對(duì)該音樂庫中的該待選樂曲進(jìn)行查找，得到與該情感關(guān)鍵字以及該回復(fù)文本匹配的該目標(biāo)樂曲。
23、在一種可能的實(shí)現(xiàn)方式中，該獲取模塊，還包括：若該目標(biāo)樂曲的數(shù)量不等于預(yù)設(shè)閾值，則獲取每個(gè)該目標(biāo)樂曲的歷史選中次數(shù)；該歷史選中次數(shù)用于指示對(duì)應(yīng)的該目標(biāo)樂曲，歷史被選中為該目標(biāo)樂曲的數(shù)量；
24、根據(jù)每個(gè)該目標(biāo)樂曲對(duì)應(yīng)的該歷史選中次數(shù)，從多個(gè)該目標(biāo)樂曲中篩選出歷史選中次數(shù)最大的該目標(biāo)樂曲。
25、在一種可能的實(shí)現(xiàn)方式中，該語音合成模塊，該對(duì)該回復(fù)文本以及該目標(biāo)樂曲的節(jié)拍特征參數(shù)進(jìn)行語音合成，得到目標(biāo)音頻，包括：
26、基于該回復(fù)文本的文本形式參數(shù)確定該回復(fù)文本中每個(gè)該字/詞對(duì)應(yīng)的至少一個(gè)音符；其中，每個(gè)該音符對(duì)應(yīng)至少一個(gè)節(jié)拍；該文本形式參數(shù)包括詩歌結(jié)構(gòu)以及音符匹配參數(shù)；
27、將每個(gè)該字/詞與對(duì)應(yīng)的該音符，分別進(jìn)行語音合成，得到該目標(biāo)音頻。
28、根據(jù)本申請(qǐng)實(shí)施例的第三方面，提供了一種電子設(shè)備，包括處理器、存儲(chǔ)器以及存儲(chǔ)在該存儲(chǔ)器中且被配置為由該處理器執(zhí)行的計(jì)算機(jī)程序，該處理器執(zhí)行該計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述的方法。
29、根據(jù)本申請(qǐng)實(shí)施例的第四方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)包括存儲(chǔ)的計(jì)算機(jī)程序，其中，在該計(jì)算機(jī)程序運(yùn)行時(shí)控制該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行如上述的方法。
30、根據(jù)本申請(qǐng)實(shí)施例的第五方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，該計(jì)算機(jī)程序產(chǎn)品被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述的方法。
31、本申請(qǐng)實(shí)施例提供的技術(shù)方案帶來的有益效果是：
32、在本申請(qǐng)實(shí)施例中，本申請(qǐng)實(shí)施例提供了一種音頻生成方法，通過觸發(fā)指令包括的情感關(guān)鍵字，來確定采用哪種節(jié)奏特點(diǎn)的樂曲來進(jìn)行語音合成，從而讓語音回復(fù)具有和該情感關(guān)鍵字相應(yīng)的情感表現(xiàn)，使得回復(fù)文本的節(jié)奏符合用戶的情感需要，增加了語音交互的靈活性，大大提高了用戶對(duì)語音交互的滿意度。
1.一種音頻生成方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取所述觸發(fā)指令所包括的情感關(guān)鍵字和播放內(nèi)容信息，包括：
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述基于所述情感關(guān)鍵字以及所述播放內(nèi)容信息指示的回復(fù)文本，獲取目標(biāo)樂曲，包括：
4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，若所述目標(biāo)樂曲的數(shù)量不等于預(yù)設(shè)閾值，則獲取每個(gè)所述目標(biāo)樂曲的歷史選中次數(shù)；所述歷史選中次數(shù)用于指示對(duì)應(yīng)的所述目標(biāo)樂曲，歷史被選中為所述目標(biāo)樂曲的數(shù)量；
5.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述對(duì)所述回復(fù)文本以及所述目標(biāo)樂曲的節(jié)拍特征參數(shù)進(jìn)行語音合成，得到目標(biāo)音頻，包括：
6.一種音頻生成裝置，其特征在于，包括：
7.一種電子設(shè)備，其特征在于，包括處理器、存儲(chǔ)器以及存儲(chǔ)在所述存儲(chǔ)器中且被配置為由所述處理器執(zhí)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至5中任意一項(xiàng)所述的方法。
8.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)包括存儲(chǔ)的計(jì)算機(jī)程序，其中，在所述計(jì)算機(jī)程序運(yùn)行時(shí)控制所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行如權(quán)利要求1至5中任意一項(xiàng)所述的方法。
9.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，所述計(jì)算機(jī)程序產(chǎn)品被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至5中任意一項(xiàng)所述的方法。