[發明專利]自動分詞拼寫的文本識別方法及裝置、存儲介質

在審

• 申請號: 202110231725.1
• 申請日: 2021-03-02
• 公開（公告）號: CN112989974A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 趙宏福
• 申請（專利權）人: 趙宏福
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06F40/289;G10L13/10;G10L13/08
• 代理公司: 北京鼎真知識產權代理事務所(普通合伙) 11815
• 代理人: 洪波

本申請公開了一種自動分詞拼寫的文本識別方法及裝置、存儲介質，所述方法包括：獲取設定類型的文件，對所述文件中的文本進行識別，并確定文本之間的間距，文本之間的行距；根據文本之間的間距，確定出每行文本中是否存在換行；對文本中的詞語進行識別，并提取所識別的詞語；輸出所述詞語，并接收針對所述詞語的調整，將調整后的詞語作為識別的最終詞語；接收針對所述最終詞語的語音輸出參數的設置；根據所述語音輸出參數對所述最終詞語中的文字進行讀音標注，并為讀音設置聲調；接收讀音及聲調標注后的文本，根據文本所標注的讀音、聲調進行語音輸出。本申請提升了其應用廣泛性以及用戶體驗。

技術領域

本申請實施例涉及文本識別及語音輸出技術，尤其涉及一種自動分詞拼寫的文本識別方法及裝置、存儲介質。

背景技術

因疫情原因，很多學校通過網課的方式進行教學。由此，很多例行的學習工作，也交給了家長來跟進。客觀上講，孩子居家上課方式，給家長帶來了較重負擔；比如詞語默寫這一常見的教學方式，是考查學生知識掌握程度的主要手段，這種方法占用時間較長，且詞語朗讀需要不斷重復，要求讀音標準。這對于需要上班的家長而言，造成了極大的困擾。主要原因有，雖然孩子有老人照看，但家中老人的文化水平參差不齊，且因年齡或地域問題，對于書本上的東西理解有偏差，朗讀方式也很難被辨識等。

發明內容

有鑒于此，本申請實施例提供一種自動分詞拼寫的文本識別方法及裝置、存儲介質。

根據本申請的第一方面，提供一種自動分詞拼寫的文本識別方法，包括：

獲取設定類型的文件，對所述文件中的文本進行識別，并確定文本之間的間距，文本之間的行距；

根據文本之間的間距，確定出每行文本中是否存在換行；

對文本中的詞語進行識別，并提取所識別的詞語；

輸出所述詞語，并接收針對所述詞語的調整，將調整后的詞語作為識別的最終詞語；

接收針對所述最終詞語的語音輸出參數的設置；

根據所述語音輸出參數對所述最終詞語中的文字進行讀音標注，并為讀音設置聲調；

接收讀音及聲調標注后的文本，根據文本所標注的讀音、聲調進行語音輸出。

作為一種實現方式，所述方法還包括：

對所述最終文本進行兒化音識別，對識別出的兒化音文本進行兒化音標注；以及，識別所標注的讀音中的重讀、輕讀語音，對重讀、輕度的語音進行標注；

根據所標注的重讀、輕讀或兒化音對文本進行語音輸出。

作為一種實現方式，所述針對所述最終詞語的語音輸出參數的設置，包括：

為所述最終詞語設置語音讀取速度，每個詞語讀取次數，每次間隔時長，讀取順序中的至少之一；

按讀取速度、讀取次數、間隔時長和讀取順序中至少之一對文本進行語音輸出。

作為一種實現方式，所述對所述文件中的文本進行識別，并確定文本之間的間距，文本之間的行距，包括：

識別出所述文件中的文字，確定每個文字的坐標信息；

根據文字的坐標信息，確定文本的坐標關系；

基于所述坐標信息、所述坐標關系，確定文本之間的間距，文本之間的行距；

根據所述坐標信息，確定文本中文字之間的最短間隔和最大間隔，將文字之間間隔小于所述最大間隔的兩個以上文字識別為詞語，并確定所識別的詞語中文字之間的間距與所述最短間隔之間的差值，對所述差值超過設定閾值的詞語進行標示，以提示為可疑詞語。

作為一種實現方式，所述獲取設定類型的文件，包括：