基于端计算的电池信息语音播报方法和装置制造方法及图纸

本申请涉及一种基于端计算的电池信息语音播报方法和装置，其中，该电池信息语音播报方法应用于换电设备中的电池管理系统，包括：获取目标电池在当前状态下的参数信息，将所述参数信息进行文本转换得到文本数据；根据预先训练的语音合成模型将所述文本数据转换为语音信号；根据所述语音信号控制播放器进行语音播报；所述语音合成模型被配置为融合

【技术实现步骤摘要】
基于端计算的电池信息语音播报方法和装置


[0001]本申请涉及深度学习和电池设备领域，特别是涉及一种基于端计算的电池信息语音播报方法和装置
。

技术介绍

[0002]为了保证电池设备运行时各项参数在正常范围内，需要对电池的电压
、
温度和电流等信息进行监测并实时播报
。
[0003]目前普遍通过将电池设备的数据上传至云端服务器，由云端服务器上的文本转语音模型对电池设备数据进行处理，达到播报电池信息的功能
。
[0004]现有技术所使用的文本转语音模型参数规模较大，计算的复杂度较高，无法在电池端部署，只能依赖于云服务器进行计算，但通过云服务器计算需要大量的计算资源和较长的网络传输时间，从而导致一定时间的延迟播报，影响电池信息播报的效率
。

技术实现思路

[0005]本申请实施例提供了一种基于端计算的电池信息语音播报方法和装置，以至少解决相关技术中电池信息播报的效率低的问题
。
[0006]第一方面，本申请实施例提供了一种基于端计算的电池信息语音播报方法，所述方法应用于换电设备中的电池管理系统，所述方法包括：获取目标电池在当前状态下的参数信息，将所述参数信息进行文本转换得到文本数据；根据预先训练的语音合成模型将所述文本数据转换为语音信号；根据所述语音信号控制播放器进行语音播报；所述语音合成模型被配置为融合
EDSA
网络的
Transformer TTS
模型，具体包括编码器和解码器，所述解码器包括所述
EDSA
网络，和与所述
EDSA
网络数据链接的自注意力层；所述
EDSA
网络用于对所输入的多维度特征数据进行线性计算得到处理数据；所述自注意力层用于对所述处理数据以及所述编码器输出的数据进行处理
。
[0007]在一实施例中，所述
EDSA
网络包括两个全连接层，所述
EDSA
网络具体被配置为：
[0008]接收所述多维度特征，获取所述多维度特征中各维度的权重矩阵，其中，
V
t
是多维度特征，
w
t
是权重矩阵， 是随机初始化的权重参数，
Linear1
和
Linear2
为全连接层，通过
Linear1
和
Linear2
分别可以得到一个
d
维向量；
[0009]计算输出向量，通过
softmax
函数对所述权重矩阵进行归一化处理，之后并通过
dropout
函数进行正则化处理，得到经过所述处理数据，其中， 是处理数据，
j
为0到
d
的整数， ∈R
d
，
V
j
表示前
j
维向量的特征
。
[0010]在一实施例中，所述获取目标电池在当前状态下的参数信息，将所述参数信息进行文本转换得到文本数据，包括：接收传感器采集和发送的目标电池参数信息，所述参数信息包括电压
、
电流和温度；对所述参数信息进行过滤，以去除异常值获取过滤数据；将所述过滤数据转换为结构化的文本数据
。
[0011]在一实施例中，所述语音合成模型被配置为通过以下方式获取：对所述融合
EDSA
网络的
Transformer TTS
模型进行训练，获取中间模型；通过深度学习框架将所述中间模型转换为所述语音合成模型
。
[0012]在一实施例中，所述获取中间模型包括：对模型参数进行批量归一化处理：在所述批量归一化处理的过程中，通过调整所述批量归一化函数中的正则化项的系数，调整特征通道提取的特征参数所对应的权重；删除小于或者等于预设阈值的权重所对应的特征通道
。
[0013]在一实施例中，所述获取中间模型还包括：在训练过程中，通过模型量化的方式对于各个网络的参数数据进行处理，以将高位数的浮点型数据转换为低位数的整型数据
。
[0014]在一实施例中，所述通过深度学习框架将所述中间模型转换为所述语音合成模型，包括：采用深度学习转换框架将所述中间模型转换为所述电池管理系统可运行的格式文件，得到所述语音合成模型；所述深度学习转换框架和训练模型的框架相对应
。
[0015]第二方面，本申请实施例提供了一种电池信息语音播报装置，包括：获取模块：用于获取目标电池在当前状态下的参数信息，将所述参数信息进行文本转换得到文本数据；转换模块：用于根据预先训练的语音合成模型将所述文本数据转换为语音信号；播报模块：用于根据所述语音信号控制播放器进行语音播报；所述语音合成模型被配置为融合
EDSA
网络的
Transformer TTS
模型，具体包括编码器和解码器，所述解码器包括所述
EDSA
网络，和与所述
EDSA
网络数据链接的自注意力层；所述
EDSA
网络用于对所输入的多维度特征数据进行线性计算得到处理数据；所述自注意力层用于对所述处理数据以及所述编码器输出的数据进行处理
。
[0016]第三方面，本申请实施例提供了一种电子设备，包括存储器，处理器，以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如第一方面中任一示例所述的基于端计算的电池信息语音播报方法
。
[0017]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面中任一示例所述的基于端计算的电池信息语音播报方法
。
[0018]本申请实施例提供的基于端计算的电池信息语音播报方法和装置至少具有以下技术效果
。
[0019]本申请通过对目标电池的参数信息进行结构化处理，保证数据的质量，有利于保证后续将文本转换为语音数据时的准确率
。
通过将
Transformer TTS
模型中原始自注意力
层替换为
EDSA
，实现以线性方式计算权重矩阵，降低了语音合成模型计算的复杂度，提高了计算效率
。
直接在电池设备端进行文本转语音操作，而不依赖于云服务器，节省了数据传输的时间，提升了模型转换的实时性和应用的灵活性
。
对电池信息进行语音播报，有利于用户实时掌握电池的工作状态，保证电池设备运行时的各项参数在正常范围内，更有利于及时对电池异常状态进行处理
。
以此方式，提高了电池信息语音播报的实时性，解决了现有技术计算量较大并且只能依赖于云服务器进行计算，从而导致的电池信息延迟播报问题
。
[0020]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于端计算的电池信息语音播报方法，其特征在于，所述方法应用于换电设备中的电池管理系统，所述方法包括：获取目标电池在当前状态下的参数信息，将所述参数信息进行文本转换得到文本数据；根据预先训练的语音合成模型将所述文本数据转换为语音信号；根据所述语音信号控制播放器进行语音播报；所述语音合成模型被配置为融合
EDSA
网络的
Transformer TTS
模型，具体包括编码器和解码器，所述解码器包括所述
EDSA
网络，和与所述
EDSA
网络数据链接的自注意力层；所述
EDSA
网络用于对所输入的多维度特征数据进行线性计算得到处理数据；所述自注意力层用于对所述处理数据以及所述编码器输出的数据进行处理
。2.
根据权利要求1所述的基于端计算的电池信息语音播报方法，其特征在于，所述
EDSA
网络包括两个全连接层，所述
EDSA
网络具体被配置为：接收所述多维度特征，获取所述多维度特征中各维度的权重矩阵，其中，
V
t
是多维度特征，
w
t
是权重矩阵， 是随机初始化的权重参数，
Linear1
和
Linear2
为全连接层，通过
Linear1
和
Linear2
分别可以得到一个
d
维向量；计算输出向量，通过
softmax
函数对所述权重矩阵进行归一化处理，之后并通过
dropout
函数进行正则化处理，得到经过所述处理数据，其中， 是处理数据，
j
为0到
d
的整数， ∈R
d
，
V
j
表示前
j
维向量的特征
。3.
根据权利要求1所述的基于端计算的电池信息语音播报方法，其特征在于，所述获取目标电池在当前状态下的参数信息，将所述参数信息进行文本转换得到文本数据，包括：接收传感器采集和发送的目标电池参数信息，所述参数信息包括电压
、
电流和温度；对所述参数信息进行过滤，以去除异常值获取过滤数据；将所述过滤数据转换为结构化的文本数据
。4.
根据权利要求1所述的基于端计算的电池信息语音播报方法，其特...

【专利技术属性】
技术研发人员：李朝，钟逸晨，丁东辉，肖劼，胡始昌，杨斌，
申请(专利权)人：杭州宇谷科技股份有限公司，
类型：发明
国别省市：