(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211302137.3 (22)申请日 2022.10.24 (71)申请人 广东小天才科技有限公司 地址 523860 广东省东莞 市长安镇霄边社 区东门中路168号 (72)发明人 杨宗武　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 姚泽鑫 (51)Int.Cl. G10L 13/08(2013.01) G10L 13/02(2013.01) G10L 19/02(2013.01) G10L 19/16(2013.01) G06N 3/08(2006.01)G06N 3/04(2006.01) G06F 40/279(2020.01) G06F 40/194(2020.01) (54)发明名称 文本转语音的方法、 装置、 终端设备和存储 介质 (57)摘要 本申请属于语音播放领域， 尤其涉及一种文 本转语音的方法、 装置、 终端设备和存储介质。 该 方法包括： 获取离线时的初始文本； 在预设的离 线语音包中， 根据初始文本确定目标文本， 离线 语音包包括预设的文本集和对应的离线语音集， 目标文本为文本集中与初始文本的相似度大于 预设阈值的文本； 根据目标文本， 从离线语音集 中确定与目标文本对应的语音， 并将目标文本对 应的语音进行播放。 即本申请根据在线语音获得 离线语音集， 在离线语音集中确定目标文本， 根 据目标文本， 从离线语音集中确定与目标文本对 应的语音， 可以实时播放目标文本对应的语音的 同时， 减小离线TTS与在线TTS之间的差距， 提升 离线TTS的播放效果。 权利要求书2页 说明书11页 附图3页 CN 115527519 A 2022.12.27 CN 115527519 A 1.一种文本转语音的方法， 其特 征在于， 包括： 获取离线时的初始文本； 在预设的离线语音包中， 根据所述初始文本确定目标文本， 所述离线语音包包括预设 的文本集和对应的离线语音集， 所述离线语音集是根据在线语音获得 的， 所述目标文本为 所述文本集中与所述初始文本的相似度大于预设阈值的文本； 根据所述目标文本， 从所述离线语音集中确定与所述目标文本对应的语音， 并将所述 目标文本对应的语音 进行播放。 2.根据权利要求1所述的方法， 其特征在于， 在所述获取离线时的初始文本之前， 还包 括： 获取所述文本集， 所述文本集中包括目标文本； 将所述文本集由在线 文本到语音工具进行转 化， 根据转 化结果获得 所述离线语音包； 或； 将所述文本集在 在线语音集中进行检索， 根据检索结果获得 所述离线语音包。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述初始文本确定目标文本， 包 括： 计算所述初始文本与所述文本集中各文本的相似度； 将各所述相似度中大于预设阈值的相似度对应的文本确定为所述目标文本 。 4.根据权利要求3所述的方法， 其特征在于， 所述计算所述初始文本与 所述文本集中各 文本的相似度， 包括： 获取所述初始文本的文本向量和所述文本集中各文本的文本向量； 计算所述初始文本的文本向量和所述文本集中各文本的文本向量的距离， 将所述距离 确定为所述初始文本与所述文本集中各文本的相似度。 5.根据权利要求4所述的方法， 其特征在于， 所述计算所述初始文本的文本向量和所述 文本集中各文本的文本向量的距离， 包括： 根据以下公式计算所述初始文本的文本向量和所述文本集中各文本的文本向量的距 离： 其中， di表示所述初始文本的文本向量和所述文本集中各文本的文本向量的距离， x11 和x12表示所述初始文本的文本向量， xi1和xi2表示所述文本集中各文本的文本向量。 6.根据权利要求3所述的方法， 其特征在于， 所述计算所述初始文本与 所述文本集中各 文本的相似度， 包括： 获取所述初始文本的分词集向量和所述文本集中各文本的分词集向量； 计算所述初始文本的分词集向量和所述文本集中各文本的分词集向量的相似系数， 将 所述相似系数确定为所述初始文本与所述文本集中各文本的相似度。 7.根据权利要求6所述的方法， 其特征在于， 所述计算所述初始文本的分词集向量和所 述文本集中各文本的分词集向量的相似系数， 包括： 根据以下公式计算所述初始文本的分词集向量和所述文本集中各文本的分词集向量 的相似系数：权　利　要　求　书 1/2 页 2 CN 115527519 A 2其中， ji表示所述初始文本的分词 集向量和所述文本集中各文本的分词 集向量的相 似 系数， A表示所述文本集中各文本的分词集向量， Bi表示所述初始文本的分词集向量。 8.一种文本转语音的装置， 其特 征在于， 包括： 获取模块， 用于获取离线时的初始文本； 第一确定模块， 用于在预设的离线语音包中， 根据 所述初始文本确定目标文本， 所述离 线语音包包括预设的文本集和对应的离线语音集， 所述离线语音集是根据在线语音获得 的， 所述目标文本为所述文本集中与所述初始文本的相似度大于预设阈值的文本； 第二确定模块， 用于根据所述目标文本， 从所述离线语音集中确定与所述目标文本对 应的语音， 并将所述目标文本对应的语音 进行播放。 9.一种终端设备， 其特征在于， 包括存储器、 处理器以及存储在所述存储器中并可在所 述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求 1至7任 一项所述的方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115527519 A 3