(19)中华 人民共和国 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 202111633258.1 (22)申请日 2021.12.2 9 (71)申请人 广州繁星互娱信息科技有限公司 地址 510500 广东省广州市黄埔区广新路 680、 682、 684 号701房 （仅限办公用途） (72)发明人 何思远　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 代理人 项京　孙翠贤 (51)Int.Cl. H04N 21/435(2011.01) H04N 21/439(2011.01) H04N 21/4788(2011.01) H04N 21/2187(2011.01) G10L 13/047(2013.01)G10L 25/51(2013.01) G06F 16/33(2019.01) G06K 9/62(2022.01) (54)发明名称 一种语音信息的生成方法、 装置、 电子设备 及存储介质 (57)摘要 本发明实施例提供了一种语音信息的生成 方法、 装置、 电子设备及存储介质， 上述方法包 括： 在接收到第一目标用户触发预设事件的触发 指令后， 获取与该预设事件对应的预设文本信 息， 将预设文本信息输入预先训练得到的声音模 拟模型， 生成对应的第一语音信息， 将第一语音 信息发送至第一目标用户所在的终端， 以使终端 播放第一语音信息。 采用该方法可以根据进入第 一目标用户之间的用户的不同定义不同的预设 文本信息， 实现了在不影 响第二目标用户进行直 播的前提下， 为进入第二目标用户直播间的用户 提供比较个性的语音信息， 丰富了用户之间的信 息交流方式。 权利要求书2页 说明书12页 附图2页 CN 114302217 A 2022.04.08 CN 114302217 A 1.一种语音信息的生成方法， 其特 征在于， 包括： 在接收到第 一目标用户触发预设事件的触发指令后， 获取与 该预设事件对应的预设文 本信息， 其中， 所述预设事件为： 第二目标用户的直播间的观看直播选项、 关注选项、 评论选 项、 弹幕选项或点赞选项被 触发的事 件； 将所述预设文本信息输入预先训练得到的声音模拟模型， 生成对应的第一语音信息， 其中， 所述声音模拟模型为基于样本文本信息和所述第二目标用户的声音 特征进行训练得 到的； 将所述第一语音信 息发送至第 一目标用户所在的终端， 以使所述终端播放所述第 一语 音信息。 2.根据权利要求1所述的方法， 其特 征在于， 所述声 音模拟模型的训练方法包括： 将样本文本信息 输入待训练声 音模拟模型， 并输出对应的语音信息； 提取所述语音信息的声 音特征； 确定所述声 音特征和所述第二目标用户的声 音特征之间的特 征差异值； 如果所述特征差异值小于预设差异阈值， 将当前的待训练声音模拟模型确定为训练得 到的所述声 音模拟模型； 如果所述特征差异值不小于预设差异阈值， 调整待训练声音模拟模型的参数， 并返回 所述将样本文本信息 输入待训练声 音模拟模型的步骤。 3.根据权利要求1所述的方法， 其特征在于， 在所述将所述预设文本信 息输入预先训练 得到的声 音模拟模型之前， 还 包括： 获取所述第一目标用户的用户名； 根据所述用户名和所述预设文本信息生成目标文本信息； 所述将所述预设文本信 息输入预先训练得到的声音模拟模型， 生成对应的第 一语音信 息， 包括： 将所述目标文本信息 输入预先训练得到的声 音模拟模型， 生成对应的第一语音信息 。 4.根据权利要求1所述的方法， 其特征在于， 在所述获取与该预设事件对应的预设文本 信息之前， 还 包括： 获取所述第一目标用户与所述第二目标用户之间的亲密度； 所述获取与该 预设事件对应的预设文本信息， 包括： 判断所述亲密度是否高于预设亲密度阈值； 如果所述亲密度高于所述预设亲密度阈值， 查找与所述第 一目标用户对应的预设语音 信息， 并将所述预设语音信息发送至第一 目标用户所在的终端， 以使所述终端播放所述预 设语音信息， 其中， 所述预设语音信息为所述第二 目标用户预先针对所述第一目标用户录 制的； 如果所述亲密度不高于所述预设亲密度阈值， 获取与该预设事件对应的预设文本信 息。 5.根据权利要求1所述的方法， 其特征在于， 在所述将所述第 一语音信 息发送至第 一目 标用户所在的终端之前， 还 包括： 确定是否 接收到所述第二目标用户发送的不认可 所述第一语音信息的指令； 如果是， 获取 所述第二目标用户录制的第二语音信息；权　利　要　求　书 1/2 页 2 CN 114302217 A 2计算所述第二语音信息与所述第一语音信息之间的相似度； 所述将所述第一语音信息发送至第一目标用户所在的终端， 包括： 判断所述相似度是否大于预设相似度阈值； 如果所述相似度 大于预设相似度阈值， 将所述第 二语音信 息发送至第 一目标用户所在 的终端。 6.根据权利要求1所述的方法， 其特征在于， 所述预设事件为所述第 一目标用户触发所 述第二目标用户的直 播间的观看直 播选项； 在所述终端播 放所述第一语音信息之前， 还 包括： 确定所述第二目标用户是否处于在直 播间进行 讲话的状态中； 如果是， 将所述第 一目标用户所在终端所播放的所述第 二目标用户的讲话音量调 整至 预设音量， 其中， 所述预设音量小于所述终端播 放的所述第一语音信息的音量。 7.一种语音信息的生成装置， 其特 征在于， 包括： 第一文本信息获取模块， 用于在接收到第一目标用户触发预设事件的触发指令后， 获 取与该预设事件对应的预设文本信息， 其中， 所述预设事件为： 第二目标用户的直播间的观 看直播选项、 关注选项、 评论选项、 弹幕选项或点赞选项被 触发的事 件； 语音信息生成模块， 用于将所述预设文本信息输入预先训练得到的声音模拟模型， 生 成对应的第一语音信息， 其中， 所述声音模拟模型为基于样本文本信息和所述第二 目标用 户的声音特征进行训练得到的； 语音信息发送模块， 用于将所述第一语音信息发送至第一目标用户所在的终端， 以使 所述终端播 放所述第一语音信息 。 8.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总线， 其中， 处理 器， 通信接口， 存 储器通过通信总线完成相互间的通信； 存储器， 用于存放计算机程序； 处理器， 用于执 行存储器上所存放的程序时， 实现权利要求1 ‑6任一所述的方法步骤。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质内存储有计算机 程序， 所述计算机程序被处 理器执行时实现权利要求1 ‑6任一所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 114302217 A 3