信息处理设备和方法以及计算机可读存储介质
本公开提供了一种信息处理设备和方法以及计算机可读存储介质，该信息处理设备包括：处理电路，被配置为：从声音中选择出与发出声音期间的场景特征相关的声音元素；建立对应关系，该对应关系包括场景特征与声音元素之间、以及各个声音元素之间的第一对应关系，并且将场景特征和声音元素以及对应关系相关联地存储在对应关系库中；以及基于再现场景特征和对应关系库，生成待再现的声音。
发明专利
CN201910560709.X
2019-06-26
CN112233647A
2021-01-15
G10L13/04(2013.01)
索尼公司
刘毅
日本东京都
北京集佳知识产权代理有限公司
王萍%李彦丽
日本;JP
1.一种信息处理设备，包括： 处理电路，被配置为： 从声音中选择出与发出所述声音期间的场景特征相关的声音元素； 建立对应关系，所述对应关系包括所述场景特征与所述声音元素之间以及各个声音元素之间的第一对应关系，并且将所述场景特征和所述声音元素以及所述对应关系相关联地存储在对应关系库中；以及 基于再现场景特征和所述对应关系库，生成待再现的声音。 2.根据权利要求1所述的信息处理设备，其中， 所述对应关系还包括所述声音与所述场景特征和所述声音元素之间的第二对应关系；以及 所述处理电路被配置为： 将所述声音与所述场景特征和所述声音元素以及所述第二对应关系相关联地存储在所述对应关系库中，以及 根据所述对应关系从所述对应关系库中查找与所述再现场景特征相关的声音或声音元素，并且利用所查找到的声音或声音元素生成所述待再现的声音。 3.根据权利要求2所述的信息处理设备，其中，所述处理电路被配置为： 在所述再现场景特征与所述对应关系库中的场景特征完全匹配的情况下，查找与所述再现场景特征完全匹配的场景特征相关的声音，并且利用所查找到的声音生成所述待再现的声音。 4.根据权利要求3所述的信息处理设备，其中， 所述声音为讲话者的语音，以及 所述处理电路被配置为： 将所查找到的声音以文本或音频的形式加入到原始讲话者的声音信息库中，并且基于所述声音信息库生成所述待再现的声音，以供按照所述原始讲话者的发音声线来渲染所述待再现的声音；或者 利用文本或音频的形式的所查找到的声音生成所述待再现的声音，以供按照说出所查找到的声音的讲话者的发音声线来渲染所述待再现的声音。 5.根据权利要求2所述的信息处理设备，其中，所述处理电路被配置为： 在所述再现场景特征与所述对应关系库中的场景特征均不完全匹配的情况下，查找与所述再现场景特征的各部分分别匹配的场景特征相关的声音元素，并通过组合所查找到的声音元素来生成所述待再现的声音。 6.根据权利要求5所述的信息处理设备，其中， 所述声音为讲话者的语音，以及 所述处理电路被配置为： 将所查找到的声音元素以文本或音频的形式加入到原始讲话者的声音信息库中，并且基于所述声音信息库生成所述待再现的声音，以供按照所述原始讲话者的发音声线来渲染所述待再现的声音；或者 利用所查找到的声音元素生成所述待再现的声音，以供按照说出所查找到的声音元素的讲话者的发音声线来渲染所述待再现的声音。 7.根据权利要求1至6中任一项所述的信息处理设备，其中， 所述处理电路被配置为经由分别与每个讲话者对应设置的声音采集器件来收集每个讲话者的声音，并且根据声音采集器件的ID来区分收集到的不同讲话者的声音；和/或，所述处理电路被配置为经由一个声音采集器件来集中收集每个讲话者的声音，并且根据讲话者的位置信息和/或声线信息来区分收集到的不同讲话者的声音。 8.一种信息处理方法，包括： 从声音中选择出与发出所述声音期间的场景特征相关的声音元素； 建立对应关系，所述对应关系包括所述场景特征与所述声音元素之间以及各个声音元素之间的第一对应关系，并且将所述场景特征和所述声音元素以及所述对应关系相关联地存储在对应关系库中；以及 基于再现场景特征和所述对应关系库，生成待再现的声音。 9.一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被执行时执行方法，所述方法包括： 从声音中选择出与发出所述声音期间的场景特征相关的声音元素； 建立对应关系，所述对应关系包括所述场景特征与所述声音元素之间以及各个声音元素之间的第一对应关系，并且将所述场景特征和所述声音元素以及所述对应关系相关联地存储在对应关系库中；以及 基于再现场景特征和所述对应关系库，生成待再现的声音。 10.一种信息处理装置，包括： 操纵设备，用于用户操纵所述信息处理装置； 处理器；以及 存储器，所述存储器包括由所述处理器可读的指令，并且所述指令在由所述处理器读取时使所述信息处理装置执行以下处理： 从声音中选择出与发出所述声音期间的场景特征相关的声音元素； 建立对应关系，所述对应关系包括所述场景特征与所述声音元素之间以及各个声音元素之间的第一对应关系，并且将所述场景特征和所述声音元素以及所述对应关系相关联地存储在对应关系库中；以及 基于再现场景特征和所述对应关系库，生成待再现的声音。