一种场景化语音情感动态适配的方法、系统及相关装置与流程

本技术涉及人工智能与语音交互，尤其涉及一种场景化语音情感动态适配的方法、系统及相关装置。

背景技术：

1、在游戏陪玩场景中，由ai驱动的实时播报语音需要兼顾双重情感适配要求，既要贴合待播报文本自身的语义情感基调，也要匹配实时变化的游戏场景提出的动态情感需求。当场景情感需求与文本语义情感基调出现偏差时，若直接以场景需求驱动语音合成，极易出现语音情感表达与文本语义相悖的问题。

2、为适配不同游戏场景的情感需求，现有技术通常通过情感标签或预置语音库等方式控制语音情感，但以上方式普遍存在情感控制与语义理解相互割裂的问题。情感参数的调控、情感标签或指令的施加，与文本语义的解析处理分属两条独立的运行通道，系统在执行情感参数的过程中，不会主动校验该情感表达方式与文本语义内容是否协调适配，缺少内置的一致性判断逻辑。

3、这一技术局限直接导致，当场景推演得出的情感需求与文本自带的情感语义倾向产生冲突时，无法对冲突进行有效识别与仲裁，只能机械地执行对应场景的情感参数。最终输出的播报语音往往会在情感表达上与文本内容产生语义冲突，难以同时满足场景实时性与内容表达合理性的双重要求。

技术实现思路

1、本技术提供了一种场景化语音情感动态适配的方法、系统及相关装置，通过建立可量化的语义约束边界并结合游戏实时状态对场景情感需求与文本语义约束之间的冲突进行识别与仲裁，解决了因机械执行场景情感参数而导致的语音情感与文本语义相悖的问题。

2、本技术第一方面提供了一种场景化语音情感动态适配的方法，所述方法包括：

3、获取待合成文本及对应的游戏场景标识，并根据所述待合成文本进行语义情感解析，生成文本固有情感向量以及情感许可区间；

4、将所述情感许可区间输入预设的语义情感约束规则引擎进行规则匹配与区间增强，得到约束区间；

5、获取当前游戏的实时状态特征，根据所述游戏场景标识及所述实时状态特征生成目标向量；

6、判断所述目标向量的每个维度是否均落入所述约束区间的取值范围内；

7、对所述目标向量中落入所述约束区间的维度保留原始值，对未落入所述约束区间的维度以所述文本固有情感向量为参照进行回拉修正，将保留的原始值与回拉修正后的值组合为裁定结果；

8、获取与所述待合成文本对应的基座语音，根据所述裁定结果对所述基座语音进行调制，得到当前游戏场景下所述待合成文本的语音输出。

9、可选的，所述根据所述待合成文本进行语义情感解析，生成文本固有情感向量以及情感许可区间，包括：

10、识别所述待合成文本中携带情感倾向的词汇，对各词汇的情感向量进行加权计算，得到显式情感向量；

11、将所述待合成文本输入预设的语义解析模型进行情感推理，得到隐式情感向量；

12、将所述显式情感向量与所述隐式情感向量进行加权融合，得到所述文本固有情感向量；

13、以所述文本固有情感向量为中心值、以预设的语义容忍半径为偏移量，得到情感许可区间。

14、可选的，所述以所述文本固有情感向量为中心值、以预设的语义容忍半径为偏移量，得到情感许可区间，包括：

15、获取所述待合成文本的文本长度，根据所述文本长度对所述语义容忍半径进行动态修正，得到所述情感许可区间，所述语义容忍半径与所述文本长度呈正相关关系。

16、可选的，所述将所述情感许可区间输入预设的语义情感约束规则引擎进行规则匹配与区间增强，得到约束区间，包括：

17、将所述待合成文本输入预设的语义情感约束规则引擎进行规则匹配，得到约束子区间；

18、将同一维度上的所有约束子区间进行交叠合并，得到该维度的综合约束子区间，由各维度综合约束子区间构成规则增强区间；

19、将所述情感许可区间与所述规则增强区间逐维度取交集，得到所述约束区间。

20、可选的，所述对所述目标向量中落入所述约束区间的维度保留原始值，对未落入所述约束区间的维度以所述文本固有情感向量为参照进行回拉修正，将保留的原始值与回拉修正后的值组合为裁定结果，包括：

21、当所述目标向量的所有维度均落入所述约束区间内时，将所述目标向量作为所述裁定结果；

22、当所述目标向量存在至少一个维度未落入所述约束区间内时，获取冲突向量，根据所述冲突向量中各维度的越界量确定冲突严重程度；

23、根据所述冲突严重程度对未落入维度的维度值进行回拉修正，将回拉修正后的维度值与已落入维度的原始值合并为所述裁定结果。

24、可选的，所述根据所述冲突严重程度对未落入维度的维度值进行回拉修正，将回拉修正后的维度值与已落入维度的原始值合并为所述裁定结果，包括：

25、计算未落入维度对应的冲突向量及其模长作为冲突严重程度；

26、当所述冲突严重程度小于等于第一预设阈值时，将未落入维度的所述目标向量值裁剪至所述约束区间内；

27、当所述冲突严重程度大于所述第一预设阈值且小于等于第二预设阈值时，将所述目标向量与所述文本固有情感向量进行加权融合后映射至所述约束区间内；

28、当所述冲突严重程度大于所述第二预设阈值时，将所述文本固有情感向量映射至所述约束区间内。

29、可选的，所述当所述冲突严重程度大于所述第二预设阈值时，将所述文本固有情感向量映射至所述约束区间内，包括：

30、获取上一轮的裁定结果，将所述文本固有情感向量与所述上一轮裁定结果进行混合加权，得到回拉修正值，所述回拉修正值用于替换所述目标向量中未落入所述约束区间的维度值。

31、可选的，所述根据所述文本长度对所述语义容忍半径进行动态修正，得到所述情感许可区间，具体通过以下公式计算：

32、

33、

34、其中，r为修正后的语义容忍半径，r0为预设基准语义容忍半径，l为所述待合成文本的文本长度，l0为预设基准文本长度，k为长度调节系数且k>0，为文本固有情感向量第i维的数值，p i为第i维的情感许可子区间，i=1,2,…,n，n为情感向量的总维度数。

35、本技术第二方面提供了一种场景化语音情感动态适配的系统，所述系统包括：

36、获取单元，用于获取待合成文本及对应的游戏场景标识，并根据所述待合成文本进行语义情感解析，生成文本固有情感向量以及情感许可区间；

37、规则增强单元，用于将所述情感许可区间输入预设的语义情感约束规则引擎进行规则匹配与区间增强，得到约束区间；

38、场景感知单元，用于获取当前游戏的实时状态特征，根据所述游戏场景标识及所述实时状态特征生成目标向量；

39、判断单元，用于判断所述目标向量的每个维度是否均落入所述约束区间的取值范围内；

40、修正单元，用于对所述目标向量中落入所述约束区间的维度保留原始值，对未落入所述约束区间的维度以所述文本固有情感向量为参照进行回拉修正，将保留的原始值与回拉修正后的值组合为裁定结果；

41、语音合成单元，用于获取与所述待合成文本对应的基座语音，根据所述裁定结果对所述基座语音进行调制，得到当前游戏场景下所述待合成文本的语音输出。

42、本技术第三方面提供了一种场景化语音情感动态适配的装置，所述装置包括：

43、处理器、存储器、输入输出单元以及总线；

44、所述处理器与所述存储器、所述输入输出单元以及所述总线相连；

45、所述存储器保存有程序，所述处理器调用所述程序以执行第一方面以及第一方面中任一项可选的场景化语音情感动态适配的方法。

46、从以上技术方案可以看出，本技术具有以下优点：

47、通过对待合成文本进行语义情感解析，生成文本固有情感向量并构建情感许可区间，将文本语义层面的情感倾向转化为情感参数空间中的可计算边界；同时将情感许可区间输入预设的语义情感约束规则引擎进行规则匹配与区间增强，利用语言学规则对情感许可区间进行缩紧，得到能够反映文本语义情感倾向及语言学约束的约束区间，使得文本语义约束不再以模糊的语义标签形式存在，而是以明确的区间参与后续的情感参数决策。在此基础上，根据当前游戏的实时状态特征生成目标向量，并逐维度判断该目标向量是否落入约束区间内，对落入者保留原始值、对未落入者以文本固有情感向量为参照进行回拉修正，组合为裁定结果，在统一框架下完成了对场景情感需求与文本语义约束之间冲突的识别与仲裁，克服了现有技术中情感控制与语义理解各自独立、无法对两者冲突进行协调的缺陷，有效解决了因直接执行场景情感参数而产生的语音情感与文本语义相悖的问题。