[發明專利]語音識別文本分段方法及裝置

有效

• 申請號: 201610256898.8
• 申請日: 2016-04-20
• 公開（公告）號: CN107305541B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 胡尹;潘清華;王金钖;胡國平;胡郁
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/30;G10L15/04;G10L15/02
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 劉路堯;逢京喜

1.一種語音識別文本分段方法，其特征在于，包括：

對語音數據進行端點檢測，得到各語音段及各語音段的開始幀序號和結束幀序號；

對各語音段進行語音識別，得到各語音段對應的識別文本；

提取各語音段對應的識別文本的分段特征；

利用提取的分段特征以及預先構建的分段模型，對所述語音數據對應的識別文本進行分段檢測，以確定需要分段的位置，所述分段特征用于確定各所述語音段對應的識別文本的結束位置是否為分段邊界，所述分段是指劃分出段落結構；

根據分段檢測結果對所述語音數據對應的識別文本進行分段。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括，按以下方式構建分段模型：

收集語音數據；

對收集的語音數據進行端點檢測，得到各語音段；

對各語音段進行語音識別，得到各語音段對應的識別文本；

標注各語音段對應的識別文本的分段信息，所述分段信息用于表示當前語音段對應的識別文本的結束位置是否需要分段；

提取各語音段對應的識別文本的分段特征；

將所述分段特征及所述分段信息作為訓練數據，構建分段模型。

3.根據權利要求1所述的方法，其特征在于，所述提取各語音段對應的識別文本的分段特征包括：

從所述語音數據的聲學上提取各語音段的分段特征，并將該分段特征作為所述語音段對應的識別文本的第一分段特征；和/或

從所述識別文本的語義上提取分段特征，并將該分段特征作為所述識別文本的第二分段特征。

4.根據權利要求3所述的方法，其特征在于，所述第一分段特征包括：當前語音段的時長，還包括：當前語音段與前一語音段之間的距離、和/或當前語音段與后一語音段之間的距離；

所述從所述語音數據的聲學上提取各語音段的分段特征包括：

計算當前語音段的結束幀序號與當前語音段的開始幀序號的差值，并將該差值作為當前語音段的時長；

還包括：

計算當前語音段的開始幀序號與前一語音段的結束幀序號的差值，并將該差值作為當前語音段與前一語音段之間的距離；和/或

計算后一語音段的開始幀序號與當前語音段的結束幀序號的差值，并將該差值作為當前語音段與后一語音段之間的距離。

5.根據權利要求4所述的方法，其特征在于，所述第一分段特征還包括：當前語音段的說話人與前一語音段的說話人是否相同、和/或當前語音段的說話人與后一語音段的說話人是否相同；

所述從所述語音數據的聲學上提取各語音段的分段特征還包括：

利用說話人分離技術對所述語音數據進行說話人變化點檢測；

根據說話人變化點檢測結果確定當前語音段的說話人與前一語音段的說話人是否相同、和/或根據說話人變化點檢測結果確定當前語音段的說話人與后一語音段的說話人是否相同。

6.根據權利要求3所述的方法，其特征在于，所述第二分段特征包括以下任意一種或多種：

前向未分段句子數，指從當前語音段對應的識別文本的開始位置到上一分段標記之間所有識別文本包含的句子總數；

后向未分段句子數，指在當前語音段對應的識別文本之后的所有識別文本包含的句子總數；

當前語音段對應的識別文本包含的句子數；

當前語音段對應的識別文本與前一語音段對應的識別文本的相似度；

當前語音段對應的識別文本與后一語音段對應的識別文本的相似度。

7.根據權利要求3所述的方法，其特征在于，所述從所述識別文本的語義上提取分段特征包括：

對所述語音數據對應的識別文本進行修正，所述修正包括：對所述語音數據對應的識別文本添加標點；

從修正后的識別文本的語義上提取分段特征。