[发明专利]机器同声传译输出音频动态合成方法、装置以及设备

权利要求书

1.一种机器同声传译输出音频动态合成方法，其特征在于，包括：

根据采集到的当前同声传译场景信息以及既定规则，判定是否需要调节合成音频语速；

若需要，则实时获取当前原声语句的第一时长，并预估相应于当前原声语句的译文文本合成音频后的第二时长；

求取所述第一时长与所述第二时长之间的时差，并统计本次同传阶段的累积时差；

根据所述时差和/或所述累积时差与对应的预设容忍度的关系，实时调整翻译策略和/或确定语速调节增益参数；

根据调整翻译策略后的译文文本和/或所述语速调节增益参数进行语音合成处理。

2.根据权利要求1所述的机器同声传译输出音频动态合成方法，其特征在于，所述当前同声传译场景信息包括以下一种或多种：

当前原始语种类型以及翻译方向；

发言人的个性化信息；以及

当前原声语句的发音层面特征。

3.根据权利要求1所述的机器同声传译输出音频动态合成方法，其特征在于，所述调整翻译策略包括：

对当前原声语句进行二次翻译：采用与在先译文文本不同的用词和/或语法，改变二次翻译后的译文文本的长度。

4.根据权利要求1所述的机器同声传译输出音频动态合成方法，其特征在于，所述确定语速调节增益参数包括：

根据同声传译场景预先搜集相应的语料；

利用所述语料进行延时分析，并确定预设增益参数；

基于所述时差和/或所述累积时差与预设容忍度的比例关系，选择所述预设增益参数或所述比例关系作为所述语速调节增益参数。

5.根据权利要求1～4任一项所述的机器同声传译输出音频动态合成方法，其特征在于，所述方法还包括：

根据所述语速调节增益参数，或者所述语速调节增益参数和所述当前同声传译场景信息，确定当前输出音频的发音调节参数；

结合所述发音调节参数对当前译文文本进行合成处理。

6.根据权利要求5所述的机器同声传译输出音频动态合成方法，其特征在于，根据所述当前同声传译场景信息，确定当前输出音频的发音调节参数包括：

根据当前原声语句的响度，获得当前输出音频的响度调节参数；和/或

结合当前原声语句，对当前译文文本进行情感分析；

根据情感分析结果，获得当前输出音频的语气调节参数。

7.根据权利要求6所述的机器同声传译输出音频动态合成方法，其特征在于，所述根据当前原声语句的响度，获得当前输出音频的响度调节参数包括：

持续获得当前原声语句的每一音频帧的原始音量值；

基于所述原始音量值，计算各所述音频帧的音量差值；

结合当前输出音频的预设默认响度以及所述音量差值，确定当前输出音频的音量调节参数。

8.一种机器同声传译输出音频动态合成装置，其特征在于，包括：

语速调节决策模块，用于根据采集到的当前同声传译场景信息以及既定规则，判定是否需要调节合成音频语速；

音频时长计算模块，用于当所述语速调节决策模块输出为是时，实时获取当前原声语句的第一时长，并预估相应于当前原声语句的译文文本合成音频后的第二时长；

延时计算模块，用于求取所述第一时长与所述第二时长之间的时差，并统计本次同传阶段的累积时差；

语速调节参数确定模块，用于根据所述时差和/或所述累积时差与对应的预设容忍度的关系，实时调整翻译策略和/或确定语速调节增益参数；

语音合成模块，用于根据调整翻译策略后的译文文本和/或所述语速调节增益参数进行语音合成处理。

9.根据权利要求8所述的机器同声传译输出音频动态合成装置，其特征在于，所述装置还包括：

发音调节参数确定模块，用于根据所述语速调节增益参数，或者所述语速调节增益参数和所述当前同声传译场景信息，确定当前输出音频的发音调节参数；

所述语音合成模块还用于，结合所述发音调节参数对当前译文文本进行合成处理。

10.一种机器同声传译输出音频动态合成设备，其特征在于，包括：

一个或多个处理器、存储器以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行如权利要求1～7任一项所述的机器同声传译输出音频动态合成方法。