[發明專利]一種廣播電視語音識別系統方法及系統

有效

• 申請號: 201310648375.4
• 申請日: 2013-12-04
• 公開（公告）號: CN103700370A
• 公開（公告）日: 2014-04-02
• 發明（設計）人: 陳鑫瑋;徐波
• 申請（專利權）人: 北京中科模識科技有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/30;H04N21/439
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李相雨

1.一種廣播電視語音識別方法，其特征在于，包括：

S1、根據廣播電視數據提取出音頻數據；

S2、對所述音頻數據進行預處理，得到特征文本數據；

S3、將所述特征文本數據發送給云服務器進行識別處理，得到男女聲識別、說話人識別以及語音識別結果；

S4、對所述數據預處理、男女聲識別、說話人識別以及語音識別結果進行融合以及結構化文本標識，生成結構化的語音識別結果。

2.如權利要求1所述的廣播電視語音識別方法，其特征在于，步驟S2對所述音頻數據進行預處理具體包括：

S21、對所述音頻數據進行切分和碎片化處理生成若干個句子文件；

S22、對所述句子文件進行非語音過濾，留下語音句子文件；

S23、對每個語音句子文件進行寬窄帶判別，對判別為寬帶信號的語音句子文件添加寬帶標識，判別為窄帶信號的語音句子文件添加窄帶標識；

S24、對添加寬帶標識和窄帶標識的語音句子文件進行音頻特征提取，得到特征文本數據，其中所述特征文本數據中包含該語音句子的起止時間、語音特征信息、該句子歸屬的音視頻文件名稱和對應的寬窄帶標識。

3.如權利要求1所述的廣播電視語音識別方法，其特征在于，步驟S3將所述特征文本數據發送給云服務器進行識別處理包括：男女聲識別、說話人識別、語音內容識別和標點符號識別，生成含有標識的語音識別結果。

4.如權利要求1所述的廣播電視語音識別方法，其特征在于，步驟S4對所述語音識別結果進行融合以及結構化文本標識具體包括：

S41、對各個語音識別結果進行匯總、對齊，并按照其中包含的起止時間進行排序；

S42、對排序后的語音識別結果按照結構化格式進行標記，包括說話人性別標識、說話人標識、語音內容、標點符號以及時間戳。

5.如權利要求1所述的廣播電視語音識別方法，其特征在于，步驟S3進行識別處理的過程是根據語言模型庫進行識別的，且所述語音模型庫通過網絡文本采集和網絡文本學習不斷進行更新。

6.一種廣播電視語音識別系統，其特征在于，該系統包括：

提取單元，根據廣播電視數據提取出音頻數據；

預處理終端，對所述音頻數據進行預處理，得到特征文本數據，并發送給云服務器；

云服務器，對所述特征文本數據進行識別處理，得到語音識別結果，并對所述語音識別結果進行融合以及結構化文本標識，生成結構化的語音識別結果。

7.如權利要求6所述的廣播電視語音識別系統，其特征在于，所述預處理終端包括：

切分模塊，對所述音頻數據進行切分和碎片化處理生成若干個句子文件；

非語音過濾模塊，對所述句子文件進行非語音過濾，留下語音句子文件；

寬窄帶判別模塊，對每個語音句子文件進行寬窄帶判別，對判別為寬帶信號的語音句子文件添加寬帶標識，判別為窄帶信號的語音句子文件添加窄帶標識；

音頻特征提取模塊，對添加寬帶標識和窄帶標識的語音句子文件進行音頻特征提取，得到特征文本數據，其中所述特征文本數據中包含該語音句子的起止時間、屬于音視頻文件名稱和對應的寬窄帶標識。

8.如權利要求6所述的廣播電視語音識別系統，其特征在于，所述云服務器包括：

男女聲識別模塊，用于對所述特征文本數據進行男女聲識別；

說話人識別模塊，用于對所述特征文本進行說話人識別；

語音內容與標點符號識別模塊，用于對所述特征文本進行語音內容識別以及標點符號識別，生成含有標點符號標識的語音識別結果；

識別結果處理模塊，對所述語音識別結果進行融合以及結構化文本標識，生成結構化的語音識別結果。

9.如權利要求8所述的廣播電視語音識別系統，其特征在于，所述識別結果處理模塊進一步包括：

匯總排序模塊，用于對各個語音識別結果進行匯總、對齊，并按照其中包含的起止時間進行排序；

加標識模塊，用于對排序后的語音識別結果按照結構化格式進行標記，包括說話人性別標識、說話人標識、語音內容、標點符號以及時間戳。

10.如權利要求6所述的廣播電視語音識別系統，其特征在于，所述云服務器中還包括：語言模型智能學習模塊，用于定期搜集網絡文本，通過對網絡文本的學習定期更新語言模型庫，在識別處理過程中根據定期更新的語言模型庫進行識別。