语音数据集生成方法、装置、设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及语音数据集生成方法、装置、设备和计算机可读介质。


背景技术：

2.为了对智能电视、智能空调、智能窗帘等智能设备进行的语音控制功能进行测试，需要大量的语音数据。例如，如果需要测试是否能正常开启电视，需要一条内容为“打开电视”的测试语音。在测试时，一般需要测试人员人工说出测试语音，或者提前录制测试语音。
3.然而，当采用上述方式得到测试语音时，经常会存在如下技术问题：
4.人工说出或者录制效率低下，缺乏自动生成智能设备测试语音数据的方法。


技术实现要素：

5.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了语音数据集生成方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
6.第一方面，本公开的一些实施例提供了一种语音数据集生成方法，该方法包括：。
7.第二方面，本公开的一些实施例提供了一种语音数据集装置，装置包括：。
8.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
9.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
10.本公开的上述各个实施例具有如下有益效果：实现了语音数据集的自动生成。具体来说，造成人工说出或者录制效率低下的原因在于：缺乏自动生成智能设备测试语音数据的方法。基于此，本公开通过智能设备的属性信息，自动生成控制文本，并根据控制文本自动合成语音数据集。从而提供了自动生成语音数据集的方法。
附图说明
11.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
12.图1是根据本公开的一些实施例的语音数据集生成方法的一个应用场景的示意图；
13.图2是根据本公开的语音数据集生成方法的一些实施例的流程图；
14.图3示出了生成控制文本的一个示例性场景图；
15.图4是根据本公开的语音数据集生成方法的另一些实施例的流程图；
16.图5是根据本公开的语音数据集装置的一些实施例的结构示意图；
17.图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
18.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
19.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
20.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
21.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
22.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
23.下面将参考附图并结合实施例来详细说明本公开。
24.图1是根据本公开一些实施例的语音数据集生成方法的一个应用场景的示意图。
25.如图1所示，语音数据集生成的执行主体可以是计算设备101。自此基础上，计算设备101可以首先通过服务端提供的接口获取多个智能设备(如图中智能设备1021、智能设备1022、智能设备1023)的属性信息，从而得到智能设备属性信息集103。实践中，每个属性信息包括至少一个属性，例如，设备名称、设备类型、设备序列号、设备控制属性(例如开关、温度调节)等等。在此基础上，计算设备101可以对于每个属性信息，可以根据至少一个属性、设备控制属性对应的属性值，生成属性信息对应的多条控制文本104。例如：“风速调整为高速”“将电视开关打开”等等。然后，可以通过语音合成技术，将控制文本合成为语音数据，得到语音数据集105。
26.可选的，可以通过以下方式应用生成的语音数据集：将生成的语音数据集通过语音设备进行播放。从而智能音响可以接收到播放的语音数据。然后，智能音响可以将接收到的语音转换为执行指令。然后将执行指令发送至服务端。服务端又会将指令下发到网关，网关继续发送中网关中对应的智能设备。从而根据智能设备的相应实现测试。
27.需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
28.继续参考图2，示出了根据本公开的语音数据集生成方法的一些实施例的流程200。该语音数据集生成方法，包括以下步骤：
29.步骤201，通过服务端提供的接口获取多个智能设备的属性信息，得到智能设备属性信息集，其中，每个属性信息包括至少一个属性，至少一个属性中包括设备控制属性。
30.在一些实施例中，语音数据集生成方法的执行主体(例如电子设备101)可以通过服务端提供的接口来获取多个智能设备的属性信息。其中，智能设备可以支持语音控制的设备，包括但不限于：智能电视、智能空调、智能窗帘等等设备。实践中，可以根据需要，将多个智能设备通过移动终端的应用进行绑定。在此基础上，服务端会提供一个接口，用于获取各个智能家居设备属性信息。
31.每个智能设备的属性信息可以包括但不限于：设备名称、设备序列号、设备标识、设备控制属性。其中，设备控制属性可以是与设备控制相关的属性，包括但不限于以下至少一项：例如开关、空调温度、主灯亮度、射灯颜色等等。每个智能设备的属性信息所包含的具体内容可以相同，也可以不同，可以根据实际需要进行选取。
32.可选的，实践中，为了提取有效的属性，可以对获取到的每个属性信息所包括的至少一个属性进行筛选，从而可以提取有效的属性。作为示例，可以提取设备名称、设备控制属性、控制属性的属性值等一个或多个与设备控制相关的属性。
33.实践中，一个智能设备的属性信息中可以包括一个设备控制属性，也可以包括多个设备控制属性。例如，智能电视的属性信息可以包含设备控制属性“开关”和“音量”。
34.步骤202，对于智能设备属性信息集中的属性信息，根据属性信息所包括的至少一个属性和至少一个属性所包括的设备控制属性对应的属性值，生成属性信息对应的多条控制文本，其中，每个属性值对应至少一条控制文本。
35.在一些实施例中，对于智能设备属性信息集中的某个属性信息，上述执行主体可以根据该属性信息所包括的至少一个属性和设备控制属性对应的属性值，生成该属性信息对应的多条控制文本。
36.可选的，可以将设备名称、设备控制属性和属性值输入预先训练的文本生成模型中，得到控制文本。其中，文本生成模型的网络结构可以是循环神经网络(rnn)、长短期记忆网络(lstm)等等。文本生成模型的训练样本可以包括关键字与包含关键字的语句。可以采用机器学习方法，利用训练样本训练得到文本生成模型。
37.可选的，对于属性信息所包括的设备控制属性对应的每个属性值，根据属性值、属性值对应的设备控制属性、至少一个属性中所包括的设备名称，生成属性信息对应的多条控制文本。例如，可以将设备名称、设备控制属性和属性值填充到预设的文本模板中，从而得到控制文本。根据需要，可以预先设置多种文本模板，从而对于一个属性值可以得到多个控制文本。
38.作为示例，如图3所示，对于智能设备以智能新风面板301为例。其所包括的设备控制属性302为“风速”，该设备控制属性对应三个属性值，分别为属性值3021(“高速”)、属性值3022(“中速”)、属性值3023(“低速”)。在此基础上，对于每个属性值，例如属性值3021(“高速”)，可以生成对应的至少一条控制文本。作为示例，可以根据预设的文本模板，将设备名称、设备控制属性、属性值分别填充到文本模板中。例如文本模板是“将【设备名称】的【设备控制属性】设置为【属性值】”。从而可以得到设备控制属性302为“风速”对应的三条控制文本，分别为“将智能新风面板的风速设置为高速”、“将智能新风面板的风速设置为中速”、“将智能新风面板的风速设置为低速”。在此基础上，如果存在多个设备控制属性，可以
通过类似的方式生成各个设备控制属性对应的多条控制文本。
39.在一些实施例的一些可选的实现方式中，根据属性值、属性值对应的设备控制属性、至少一个属性中所包括的设备名称，生成属性信息对应的多条控制文本，包括：基于属性值、属性值对应的设备控制属性、至少一个属性中所包括的设备名称，生成标准控制文本；对标准控制文本中的属性值进行关联词替换，得到关联控制文本；将标准控制文本和关联控制文本确定为属性信息对应的多条控制文本。在这些可选的实现方式中，通过生成关联控制文本，可以使得控制文本更多样。
40.步骤203，将各条控制文本进行语音合成，得到语音数据集。
41.在一些实施例中，上述执行主体可以将每条控制文本进行语音合成，进而得到语音数据集。可以采用各种语音合成(tts，texttospeech)算法来合成语音数据。
42.本公开的一些实施例提供的方法，通过智能设备的属性信息，自动生成控制文本，并根据控制文本自动合成语音数据集。从而提供了自动生成语音数据集的方法。
43.进一步参考图4，其示出了语音数据集生成方法的另一些实施例的流程400。该语音数据集生成方法的流程400，包括以下步骤：
44.步骤401，通过服务端提供的接口获取多个智能设备的属性信息，得到智能设备属性信息集，其中，每个属性信息包括至少一个属性，至少一个属性中包括设备控制属性。
45.在一些实施例中，步骤401的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201，在此不再赘述。
46.步骤402，根据设备控制属性，对智能设备属性信息集进行划分，得到多个智能设备属性信息子集。
47.在一些实施例中，语音数据集生成方法的执行主体可以根据设备控制属性对应的属性值的个数，对智能设备属性信息集进行划分，得到多个智能设备属性信息子集。例如，对于智能设备属性信息集中的属性信息，若属性信息所包括的至少一个属性中各个属性所对应的属性值的个数均为两个，将属性信息加入第一智能设备属性信息子集；若属性信息所包括的至少一个属性中各个属性所对应的属性值的个数大于两个，将属性信息加入第二智能设备属性信息子集。实践中，如果是开关类属性，其对应的属性值的个数一般是两个，分别为“开”和“关”。如果是温度、亮度等非开关类属性，其对应的属性值的个数一般大于两个。
48.可选的，上述执行主体还可以通过关键词识别的方法，来实现对智能设备属性信息集进行划分。对于某个属性信息，可以将其与预设的多个关键词进行匹配。每个关键词与一个智能设备属性信息子集对应。在此基础上，若该属性信息与目标关键字匹配成功，可以将该属性信息加入目标关键字对应的智能设备属性信息子集。
49.步骤403，对于多个智能设备属性信息子集中每个智能设备属性信息子集中的属性信息，将属性信息所包括的至少一个属性和至少一个属性所包括的设备控制属性对应的属性值，输入与智能设备属性信息子集对应的模型，生成属性信息对应的多条控制文本。
50.在一些实施例中，不同的智能设备属性信息子集可以对应不同的模型。其中，模型可以用于生成控制文本，包括但不限于：正则表达式、人工神经网络等。这里模型的示例可以参考步骤202的说明。实践中，不同的智能设备属性信息子集可以与不同的场景对应，从而可以实现不同场景下差异化的控制文本生成。
51.步骤404，将各条控制文本进行语音合成，得到语音数据集。
52.在一些实施例中，步骤404的具体实现及其所带来的技术效果，可以参考图2对应的那些实施例中的步骤203，在此不再赘述。
53.从图4中可以看出，与图2对应的一些实施例的描述相比，图4对应的一些实施例中的语音数据集生成方法的流程400，增加了对于智能设备属性信息集进行划分，以及根据对应的模型生成控制文本的步骤。从而可以实现差异化的控制文本生成。
54.进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种语音数据集装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
55.如图5所示，一些实施例的语音数据集装置500包括：获取单元501、生成单元502、合成单元503。其中，获取单元501被配置成通过服务端提供的接口获取多个智能设备的属性信息，得到智能设备属性信息集，其中，每个属性信息包括至少一个属性，至少一个属性中包括设备控制属性。生成单元502被配置成对于智能设备属性信息集中的属性信息，根据属性信息所包括的至少一个属性和至少一个属性所包括的设备控制属性对应的属性值，生成属性信息对应的多条控制文本，其中，每个属性值对应至少一条控制文本。合成单元503被配置成将各条控制文本进行语音合成，得到语音数据集。
56.在一些实施例的可选实现方式中，其中，装置还包括：划分单元，被配置成根据设备控制属性，对智能设备属性信息集进行划分，得到多个智能设备属性信息子集。
57.在一些实施例的可选实现方式中，其中，生成单元502进一步被配置成对于多个智能设备属性信息子集中每个智能设备属性信息子集中的属性信息，将属性信息所包括的至少一个属性和至少一个属性所包括的设备控制属性对应的属性值，输入与智能设备属性信息子集对应的模型，生成属性信息对应的多条控制文本。
58.在一些实施例的可选实现方式中，其中，生成单元502进一步被配置成对于属性信息所包括的设备控制属性对应的每个属性值，根据属性值、属性值对应的设备控制属性、至少一个属性中所包括的设备名称，生成属性信息对应的多条控制文本。
59.在一些实施例的可选实现方式中，其中，生成单元502进一步被配置成：基于属性值、属性值对应的设备控制属性、至少一个属性中所包括的设备名称，生成标准控制文本；对标准控制文本中的属性值进行关联词替换，得到关联控制文本；将标准控制文本和关联控制文本确定为属性信息对应的多条控制文本。
60.在一些实施例的可选实现方式中，其中，划分单元，被配置成对于智能设备属性信息集中的属性信息，若属性信息所包括的至少一个属性中各个属性所对应的属性值的个数均为两个，将属性信息加入第一智能设备属性信息子集；若属性信息所包括的至少一个属性中各个属性所对应的属性值的个数大于两个，将属性信息加入第二智能设备属性信息子集。
61.可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
62.下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本
公开的实施例的功能和使用范围带来任何限制。
63.如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
64.通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
65.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。
66.需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
67.在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
68.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：通过服务端提供的接口获取多个智能设备的属性信息，得到智能设备属性信息集，其中，每个属性信息包括至少一个属性，至少一个属性中包括设备控制属性；对于智能设备属性信息集中的属性信息，根据属性信息所包括的至少一个属性和至少一个属性所包括的设备控制属性对应的属性值，生成属性信息对应的多条控制文本，其中，每个属性值对应至少一条控制文本；将各条控制文本进行语音合成，得到语音数据集。
69.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
70.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
71.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、生成单元、合成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“通过服务端提供的接口获取多个智能设备的属性信息的单元”。
72.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
73.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。