[发明专利]信息处理方法、装置、设备和计算机存储介质

说明书

本申请公开了一种信息处理方法、装置、设备和计算机存储介质。具体实现方案为包括：接收第一应用的请求信息；基于所述第一应用的请求信息确定本次音频处理的目标场景，基于所述本次音频处理的目标场景确定对应的至少一个目标风格；根据确定的至少一个目标风格，对所述第一应用的请求信息中包含的待转换内容进行处理，得到与所述至少一个目标风格所对应的目标语音合成标记语言SSML；基于与所述至少一个目标风格所对应的所述目标SSML进行音频合成，得到所述至少一个目标风格所对应的目标音频信息。本申请能够提升音频输出的个性化特点，提升音频收听者的听觉体验。

技术领域

本申请涉及音频处理领域，尤其涉及一种信息处理方法、装置、设备和计算机存储介质。

背景技术

随着计算机技术的发展，语音技术也迎来了快速发展的阶段，机器可以进行对话操作，并能够像真人一样发出对话声音。然而，由于机器并没有思维，机器发声的效果与真人发声效果存在一定的差异。如何改善机器发声的效果，提升用户体验，是机器发声技术发展阶段面临的一个问题。

发明内容

为了解决现有技术中上述至少一个问题，本申请实施例提供一种信息处理方法、装置、设备和计算机存储介质。

第一方面，本申请实施例提供一种信息处理方法，包括：

接收第一应用的请求信息；

基于所述第一应用的请求信息确定本次音频处理的目标场景，基于所述本次音频处理的目标场景确定对应的至少一个目标风格；

根据确定的至少一个目标风格，对所述第一应用的请求信息中包含的待转换内容进行处理，得到与所述至少一个目标风格所对应的目标语音合成标记语言SSML；

基于与所述至少一个目标风格所对应的所述目标SSML进行音频合成，得到所述至少一个目标风格所对应的目标音频信息。

在一种实施方式中，所述请求信息中包含的待转换内容，包括以下至少之一：待转换文本信息、待转换音频信息、待转换语法信息。

在一种实施方式中，所述基于所述本次音频处理的目标场景确定对应的至少一个目标风格，包括：

根据至少一个场景中不同场景与不同风格之间的对应关系，确定本次音频处理的目标场景所对应的至少一个目标风格。

在一种实施方式中，对所述第一应用的请求信息中包含的待转换内容进行处理，得到与所述至少一个目标风格所对应的目标语音合成标记语言SSML，包括以下至少之一：

若所述第一应用的请求信息中包含的待转换内容为待转换文本信息，则根据所述目标风格对所述待转换文本进行音频相关属性的标记，得到所述至少一个目标SSML；

若所述第一应用的请求信息中包含的待转换内容为待转换音频信息，则将所述待转换音频信息添加至所述目标SSML，根据所述至少一个目标风格确定对应的音频相关属性的标记，得到所述目标SSML；

若所述第一应用的请求信息中包含的待转换内容为待转换语法信息，则对所述待转换语法信息进行规范化处理，得到与所述至少一个目标风格所对应的所述目标SSML。

在一种实施方式中，所述方法还包括：

基于所述本次音频处理的目标场景确定对应的音频输出通道；

在所述音频输出通道能够进行音频输出的情况下，将所述至少一个目标风格所对应的目标音频信息加入所述对应的音频输出通道的输出队列；

通过所述音频输出通道输出所述输出队列中的目标风格所对应的目标音频信息。

在一种实施方式中，所述第一应用为多个应用中之一；基于所述第一应用的请求信息确定本次音频处理的目标场景，包括：