代码
中
技术博客
昇思创新训练营优秀创新案例系列分享第一期：新闻稿情感播报

昇思创新训练营优秀创新案例系列分享第一期：新闻稿情感播报

2025/10/13

昇思创新训练营优秀创新案例系列分享第一期：新闻稿情感播报

1、前言

昇思MindSpore作为开源的AI框架，为开发人员带来端边云全场景协同、极简开发、极致性能的体验。为鼓励基于昇思MindSpore进行创新，昇思开源社区对昇思创新训练营优秀创新案例进行转载及解读。本篇文章主要介绍了开发者如何基于昇思MindSpore进行大模型微调及调用模型API服务，完成新闻检索-新闻稿内容情感分类-新闻稿带感情语音播报的全流程实践。项目代码已开源，欢迎各位开发者体验。

2、项目意义和价值

驾驶、通勤等“伴随式”场景，“听新闻”已成主流，但现有机器播报普遍存在一个核心缺陷：情感表达的缺失。无论是报道英雄事迹的振奋，还是播报自然灾害的沉重，现有系统均采用单一中立的语调，极大削弱了新闻的感染力，并阻碍了用户对信息背后完整意图的感知。

本项目通过新闻检索-情感分类-语音播报的端到端流程实现带有感情语调的新闻播报，提升新闻的感染力，同时应用场景也可扩展至新媒体与有声读物、智能座舱与车载助手、教育与陪伴机器人、舆情监控与品牌管理等多种领域。

本项目的创新性体现在从信息获取到情感表达的全流程覆盖。整个系统采用清晰的模块化架构（包括检索、理解和表达），确保了其高效性、可扩展性，并具备了未来端云部署的灵活性。

1、运行效果

参见如下视频，可实现连续文字检索、情感分类、语音播报。

1、环境准备

安装环境：

bash setup.sh

2、数据集准备

本项目选择DeepSeek-R1-Distill-Qwen-1.5B模型进行微调，可参考如下命令进行预训练权重的下载：

python create_label_dataset.py --llm_api_key xxx 
# --llm_api_key：你的大模型api_key
# --input_dir：下载数据集的存放位置，默认"./datasets"
# --output_dir：数据标注文件的存放位置，默认"./datasets"
# --csv_name：标注文件名，默认"news_emotion_labeled.csv"

3、模型微调

python ft_deepseek_distill.py
# --model：使用的基座模型，默认"models/DeepSeek-R1-Distill-Qwen-1.5B"
# --input_dir：数据标注文件，默认"./datasets/news_emotion_labeled.csv"
# --save_path：微调模型存放位置，默认"./models/ft_model"

4、启动交互

  • 申请新闻检索和语音播报相关API（详情请参考项目仓库代码）
  • 启动交互
python main.py --news_search_api_key xxx --speaker_app_id xxx --speaker_api_key xxx --speaker_secret_key xxx --lora_adapter_path xxx 
# --news_search_api_key：新闻检索api key，需提供
# --speaker_app_id，--speaker_api_key，--speaker_secret_key为语音播报api相关参数，需提供
# --model：使用的基座模型，默认"models/DeepSeek-R1-Distill-Qwen-1.5B"
# --lora_adapter_path：使用微调模型的权重路径，需提供
# --output_dir：输入语音的存放位置，默认'output'

1、方案流程设计

  • 新闻检索：系统具备主动信息获取能力，可以根据用户指令，通过API实时检索网络新闻。
  • 情感理解：获取新闻后，系统会基于昇思MindSpore微调后的模型，对文本进行深度的多维度情感分析，精准识别出喜悦、悲伤等九种复杂情绪。
  • 语音生成：分析得到的情感标签将驱动情感化TTS引擎，自动调整内容的音色、语速和语调，实现从“读稿”到“演绎新闻”的全新体验。

2、情感理解模块架构解析

新闻检索和语音合成主要通过调用API完成，情感理解模块中，我们基于MindSpore进行模型微调，使得模型具备分辨新闻文本情感的能力，在此我们着重介绍下在情感理解模块的架构。

  • 硬件层：依托华为云ModelArts平台昇腾算力。
  • AI框架层：昇思MindSpore框架提供了函数式+面向对象融合编程、动静统一、高效数据引擎、自动并行等能力， MindSpore NLP套件将这些优势特性与实际需求匹配，实现简便的模型开发，高效的数据预处理，以及预训练模型的快速调用。
  • 模型算法层：通过MindSpore NLP套件调用DeepSeek-R1-Distill-Qwen-1.5B模型，并基于标注好的新闻数据实现LoRA微调。

**1、**数据准备（create_label_dataset.py）

采用THUCNews（清华大学中文新闻数据集）作为原始语料库，保障了数据的规模、多样性和高质量。，并利用大模型对更大规模的新闻高效率情感标注（推荐使用deepseek的api）。

下图为数据标注的代码实现，如果开发者准备了其他领域的数据集，也可参考下方逻辑，自行设计prompt和模型解码的超参。因为我们的目标是生成简短的情感分类标签，所以我们的想法是将max_tokens设置成了5，限制输出长度，使模型只输出分类结果，减少意外输出；并将temperature设置成0，让输出更确定。

**2、新闻检索功****能实现（**main.py）

为了优化流程，方便用户自主搜索感兴趣的新闻，我们通过以下代码实现了根据用户输入的文字自动检索相关新闻，并支持AI相关新闻的重点搜索。例如，用户输入关键词“华为”后，可以进一步选择是否聚焦与“华为+AI”相关的新闻（建议使用天行数据API进行检索）。

**3、模型微****调（**ft_deepseek_distill.py）

在模型微调部分我们选择了LoRA微调，通过向特定层注入低秩矩阵来实现参数更新，从而节省计算资源和内存。

如下是预训练模型实例化的代码，考虑到算力资源和显存占用，我们选择了一个轻量级的中文模型，如果开发者们有其他的偏好，可以更改model_name进行不同模型的实例化，但需要注意：

  • 确保模型的规格适合需求。
  • 通常情况下，模型的权重会默认从Hugging Face下载，但由于网络原因，下载可能不成功。建议开发者提前从国内平台下载权重，并在本地加载。

下图是LoRA微调相关的超参配置，开发者可自行调整。参数说明：

  • r=8: r是LoRA矩阵的秩。它定义了我们下图里旁路适配器中的矩阵维度，A的维度将是d*r，矩阵B的维度将是r*d。
  • lora_alpha=32：它是一个缩放参数，控制LoRA模块中权重更新的缩放比例。
  • lora_dropout=0.1：表示在LoRA模块中以10%的概率随机“关闭”某些神经元连接，以减少过拟合的风险。
  • target_modules定义了将适配器应用到模型中的哪些层，这里将其应用到了主要的权重层：Q，K，V，投影层O，还有前馈网络的线性层。

**4、情感****化语音生成（**tts_module.py）

我们使用了语音合成技术（Text-to-Speech, TTS）将书面文本转换成人类可以听懂的口头语言。通过调用API，根据情感设置不同的语速、语调等。如下是不同情感的参数参考，我们通过预先定义不同情感所对应的声学参数组合（如语速、语调、音量、发音人等），在调用API时动态传入这些参数，从而生成富含情感。

在这里，我们一共调出了9种不同情感的语调。从调试经验来看，调高语调值（pit）可以模拟兴奋或愉快时的上扬语调，调高音量值（vol）则能模拟外向的情绪，而调整语速（spd）时需要平衡清晰度。同时，配置情感模型（emo）可以进一步提升效果。欢迎开发者们进行尝试，探索更多不同的语调情感。

通过该项目，我们深入了解了国产化AI开发的全流程闭环。我们基于昇思MindSpore框架微调了DeepSeek-R1的蒸馏模型，最终实现了各个交互环节的整合。 在开发过程中，我们也在考虑，DeepSeek-R1-Distill-Qwen这个模型是否是最合适的选择。实际上，这个模型更侧重于文本生成任务，而对于相对简单的情感分类任务，是否会有点“杀鸡用牛刀”？相比之下，像BERT模型可能会更合适一些。不过，这个项目实践本身是一次非常有价值的收获。 后续我们将进一步优化模型的微调，接入语音交互，实现语音输入和输出。同时，我们计划在香橙派上进行部署，探索端云结合或完全在端侧进行推理的方案。