[发明专利]新闻智能播报方法、装置、设备及存储介质

权利要求书

1.一种新闻智能播报方法，其特征在于，所述新闻智能播报方法包括：

获取待处理的新闻播报文本；

将所述新闻播报文本输入预置语义预测模型进行语义预测，得到相应的语义向量；

将所述语义向量输入预置语义分类模型进行分类，生成所述新闻播报文本中各语句对应的情绪标签；

将所述新闻播报文本和所述各情绪标签输入预置文本转语音模型进行音频合成，输出带有多种情绪的新闻播报音频。

2.根据权利要求1所述的新闻智能播报方法，其特征在于，在所述获取待处理的新闻播报文本之前，还包括：

获取语义预测训练样本集合和语义标签集合，并建立样本与标签之间的匹配关系；

对所述预测训练样本集合和语义标签集合进行切分，得到训练样本集合和测试样本集合；

将所述训练样本集合输入预置神经网络模型进行语义预测训练，得到语义预测模型；

将所述测试样本集合输入所述语义预测模型进行模型性能测试，若测试结果为良好，则模型训练结束，否则继续进行模型训练。

3.根据权利要求1或2所述的新闻智能播报方法，其特征在于，所述语义预测模型依次包括特征识别网络、词向量合成网络，所述将所述新闻播报文本输入预置语义预测模型进行语义预测，得到相应的语义向量包括：

对所述新闻播报文本进行分词，得到带词序的多个分词；

将所述各分词依次输入所述特征识别网络进行特征抽取，输出所述各分词对应的词向量和语义权重；

将所述各词向量输入所述词向量合成网络，并根据所述语义权重对所述各词向量进行加权融合，输出相应的语义向量。

4.根据权利要求1所述的新闻智能播报方法，其特征在于，在所述获取待处理的新闻播报文本之前，还包括：

获取语义分类样本，并对所述语义分类样本添加分类标签信息；

对预置决策树模型进行初始化，并将所述语义分类样本与对应的分类标签信息输入所述决策树模型中；

通过所述决策树模型，对所述语义分类样本进行处理，得到所述语义分类样本的分类预测结果；

根据所述分类预测结果和分类标签信息，对所述决策树模型的参数进行优化，直至所述决策树模型收敛，得到语义分类模型。

5.根据权利要求1或4所述的新闻智能播报方法，其特征在于，所述语义分类模型依次包括特征提取网络、特征识别网络、分类网络，所述将所述语义向量输入预置语义分类模型进行分类，生成所述新闻播报文本中各语句对应的情绪标签包括：

将所述语义向量输入所述特征提取网络进行特征提取，输出多个对应的特征；

将所述多个对应的特征输入所述特征识别网络进行特征测试，输出测试结果；

将所述测试结果输入所述分类网络，并根据所述测试结果将所述语义向量进行节点分配，输出所述语义向量的分类树；

基于所述语义向量的分类树，生成所述新闻播报文本中各语句对应的情绪标签。

6.根据权利要求1所述的新闻智能播报方法，其特征在于，所述文本转语音模型依次包括文本预处理网络、音律预测网络、语音合成网络，所述将所述新闻播报文本和所述各情绪标签输入预置文本转语音模型进行音频合成，输出带有多种情绪的新闻播报音频包括：

对所述新闻播报文本进行语句划分，得到带语序的多个语句；

将所述各语句和所述各语句对应的情绪标签输入所述文本预处理网络进行音素序列化处理，输出音素序列；

将所述音素序列输入所述音律预测网络进行音律预测，得到音律合成类型信息；

将所述音律合成类型信息输入所述语音合成网络进行波形生成，输出带有多种情绪的新闻播报音频。

7.根据权利要求1所述的新闻智能播报方法，其特征在于，在所述将所述新闻播报文本和所述各情绪标签输入预置文本转语音模型进行音频合成，输出带有多种情绪的新闻播报音频之后，还包括：

根据预置时间戳，对所述新闻播报音频进行可视化剪辑，得到多种不同情绪下的情感语音；

将所述各情感语音及所述各情感语音对应的情绪标签提交人工审核。