一种语音处理方法、装置、设备及存储介质与流程

本公开涉及数据处理领域，尤其涉及一种语音处理方法、装置、设备及存储介质。

背景技术：

1、随着视频技术的发展，视频配音的方法越来越受到人们的关注，目前，传统配音需要专业的录音设备以及专业的配音人员来完成对视频的配音，过程繁琐且成本较高。

2、为此，如何生成能够为视频进行配音的语音内容，是目前亟需解决的技术问题。

技术实现思路

1、为了解决上述技术问题，本公开实施例提供了一种语音处理方法、装置、设备及存储介质。

2、第一方面，本公开提供了一种语音处理方法，所述方法包括：

3、获取初始文本内容；其中，所述初始文本内容中包括多个文本片段；

4、响应于针对所述初始文本内容的语音生成操作，基于所述初始文本内容生成初始语音内容；其中，所述初始语音内容中包括多个语音片段，所述多个语音片段与所述多个文本片段之间具有对应关系；

5、接收针对所述多个文本片段中的第一文本片段的编辑操作，并基于所述编辑操作对所述第一文本片段对应的第一语音片段进行编辑处理，得到所述第一语音片段对应的编辑后语音片段；其中，所述编辑后语音片段用于生成所述初始语音内容对应的第二语音片段；

6、利用所述第二语音片段替换所述初始语音内容中的所述第一语音片段，得到所述初始语音内容对应的编辑后语音内容。

7、一种可选的实施方式中，所述响应于针对所述初始文本内容的语音生成操作，基于所述初始文本内容生成初始语音内容，包括：

8、响应于针对所述初始文本内容的语音生成操作，基于第一音色对象的音色信息和所述初始文本内容生成初始语音内容。

9、一种可选的实施方式中，所述接收针对所述多个文本片段中的第一文本片段的编辑操作，包括：

10、接收针对所述多个文本片段中的第一文本片段触发的音色选定操作；

11、所述基于所述编辑操作对所述第一文本片段对应的第一语音片段进行编辑处理，得到所述第一语音片段对应的第二语音片段，包括：

12、基于所述音色选定操作对应的第二音色对象的音色信息和所述第一文本片段的文本内容，生成所述第一文本片段对应的第二语音片段；其中，所述第二语音片段用于替换所述第一文本片段对应的第一语音片段。

13、一种可选的实施方式中，所述接收针对所述多个文本片段中的第一文本片段的编辑操作，包括：

14、接收针对所述多个文本片段中的第一文本片段触发的语速调节操作；

15、所述基于所述编辑操作对所述第一文本片段对应的第一语音片段进行编辑处理，得到所述第一语音片段对应的第二语音片段，包括：

16、基于所述语速调节操作对应的调节后语速信息对所述第一文本片段对应的第一语音片段的语速进行调节，得到所述第一语音片段对应的第二语音片段。

17、一种可选的实施方式中，所述接收针对所述多个文本片段中的第一文本片段的编辑操作，包括：

18、接收针对所述多个文本片段中的第一文本片段中的第一文本位置的停顿插入操作；

19、所述基于所述编辑操作对所述第一文本片段对应的第一语音片段进行编辑处理，得到所述第一语音片段对应的第二语音片段，包括：

20、基于所述停顿插入操作对应的停顿时长信息，在所述第一文本片段对应的第一语音片段中与所述第一文本位置对应的语音位置处插入语音停顿，得到所述第一语音片段对应的第二语音片段。

21、一种可选的实施方式中，所述接收针对所述多个文本片段中的第一文本片段的编辑操作，包括：

22、接收针对所述多个文本片段中的第一文本片段中的选定字的读音调整操作；

23、所述基于所述编辑操作对所述第一文本片段对应的第一语音片段进行编辑处理，得到所述第一语音片段对应的第二语音片段，包括：

24、基于所述语音调整操作确定所述选定字对应的调整后读音，并利用所述调整后读音替换所述第一文本片段对应的第一语音片段中与所述选定字对应的第一语音子片段，得到所述第一语音片段对应的第二语音片段。

25、一种可选的实施方式中，所述接收针对所述多个文本片段中的第一文本片段的编辑操作，包括：

26、接收针对所述多个文本片段中的第一文本片段中的选定单词的拆合操作；

27、所述基于所述编辑操作对所述第一文本片段对应的第一语音片段进行编辑处理，得到所述第一语音片段对应的第二语音片段，包括：

28、基于所述拆合操作确定所述选定单词对应的拆合方式，并根据所述拆合方式和所述选定单词生成第二语音子片段；

29、利用所述第二语音子片段替换所述第一文本片段对应的第一语音片段中与所述选定单词对应的第三语音子片段，得到所述第一语音片段对应的第二语音片段。

30、一种可选的实施方式中，所述方法还包括：

31、响应于针对所述编辑后语音内容的导入剪辑操作，基于所述编辑后语音内容显示视频剪辑页面；其中，所述视频剪辑页面上包括音频轨道和字幕轨道，所述音频轨道上展示有所述编辑后语音内容中的语音片段，所述字幕轨道上展示有所述编辑后语音内容对应的编辑后文本内容中的文本片段，所述编辑后文本内容为基于针对所述初始文本内容中的所述第一文本片段的编辑操作生成。

32、一种可选的实施方式中，所述基于所述编辑操作对所述第一文本片段对应的第一语音片段进行编辑处理，得到所述第一语音片段对应的第二语音片段之后，所述方法还包括：

33、对所述第二语音片段进行试听播放。

34、一种可选的实施方式中，所述接收针对所述多个文本片段中的第一文本片段的编辑操作之后，所述方法还包括：

35、在所述第一文本片段的标注显示位置处显示所述编辑操作对应的编辑标注内容；其中，所述编辑标注内容包括所述编辑操作携带的编辑参数信息。

36、第二方面，本公开提供了一种语音处理装置，所述装置包括：

37、获取模块，用于获取初始文本内容；其中，所述初始文本内容中包括多个文本片段；

38、生成模块，用于响应于针对所述初始文本内容的语音生成操作，基于所述初始文本内容生成初始语音内容；其中，所述初始语音内容中包括多个语音片段，所述多个语音片段与所述多个文本片段之间具有对应关系；

39、编辑模块，用于接收针对所述多个文本片段中的第一文本片段的编辑操作，并基于所述编辑操作对所述第一文本片段对应的第一语音片段进行编辑处理，得到所述第一语音片段对应的第二语音片段；

40、替换模块，用于利用所述第二语音片段替换所述初始语音内容中的所述第一语音片段，得到所述初始语音内容对应的编辑后语音内容。

41、第三方面，本公开提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备实现上述的方法。

42、第四方面，本公开提供了一种语音处理设备，包括：存储器，处理器，及存储在所述存储器上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，实现上述的方法。

43、第五方面，本公开提供了一种计算机程序产品，所述计算机程序产品包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现上述的方法。

44、本公开实施例提供的技术方案与现有技术相比至少具有如下优点：

45、本公开实施例提供了一种语音处理方法，首先获取初始文本内容，其中，初始文本内容中包括多个文本片段。然后，当接收到针对初始文本内容的语音生成操作时，基于初始文本内容生成包括多个语音片段的初始语音内容，其中，语音片段与文本片段之间具有对应关系。进而，接收针对多个文本片段中的第一文本片段的编辑操作，并基于编辑操作对第一文本片段对应的第一语音片段进行编辑处理，得到第一语音片段对应的第二语音片段。然后，利用第二语音片段替换初始语音内容中的第一语音片段，得到初始语音内容对应的编辑后语音内容。

46、本公开实施例基于初始文本内容生成初始语音内容，并通过对初始文本内容进行编辑，实现对初始语音内容编辑的效果，从而生成初始语音内容对应的编辑后语音内容。可见，本公开实施例能够通过便捷的文本编辑方式，达到对基于文本内容生成的语音内容的同步编辑，从而生成能够作为视频配音的语音内容，相对于传统配音方式而言，本公开实施例提供的语音处理方法操作便捷且成本较低。