[發(fā)明專利]一種音頻識別結(jié)果的生成方法及裝置

在審

• 申請?zhí)枺?/td>: 201811476124.1
• 申請日: 2018-12-04
• 公開（公告）號: CN109326292A
• 公開（公告）日: 2019-02-12
• 發(fā)明（設(shè)計）人: 韓亮;韓青;葉錦宇
• 申請（專利權(quán)）人: 北京九狐時代智能科技有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26
• 代理公司: 北京超凡志成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11371
• 代理人: 王艷芬

本申請?zhí)峁┝艘环N音頻識別結(jié)果的生成方法及裝置，其中，該方法包括一種音頻識別結(jié)果的生成方法，包括：獲取對目標(biāo)音頻信息進(jìn)行自動識別所生成的第一文本數(shù)據(jù)；所述目標(biāo)音頻信息是完整音頻信息中的一部分；將第二文本數(shù)據(jù)的輸入?yún)^(qū)域、所述第一文本數(shù)據(jù)和所述目標(biāo)音頻信息的標(biāo)識在同一個展示頁面進(jìn)行展示；根據(jù)用戶在所述第二文本數(shù)據(jù)的輸入?yún)^(qū)域所輸入的第二文本數(shù)據(jù)，確定目標(biāo)音頻信息的實際識別結(jié)果。本申請實施例提供的一種音頻識別結(jié)果的生成方法及裝置，可以提高音頻識別結(jié)果的生成效率。

技術(shù)領(lǐng)域

本申請涉及數(shù)據(jù)標(biāo)注技術(shù)領(lǐng)域，尤其是涉及一種音頻識別結(jié)果的生成方法及裝置。

背景技術(shù)

隨著聲音采集技術(shù)和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，每天都會產(chǎn)生大量的音頻數(shù)據(jù)，需要人工服務(wù)平臺對大量的音頻數(shù)據(jù)進(jìn)行處理。工作人員需要根據(jù)音頻數(shù)據(jù)和音頻識別設(shè)備識別的結(jié)果對音頻數(shù)據(jù)進(jìn)行文本形式的編輯。

目前對音頻數(shù)據(jù)以文本形式進(jìn)行編輯時，工作人員既要打開音頻播放器播放音頻數(shù)據(jù)，同時又要打開文本編輯頁面在文本編輯頁面內(nèi)編輯音頻識別數(shù)據(jù)，由于音頻數(shù)據(jù)、音頻識別設(shè)備識別的結(jié)果以及音頻識別數(shù)據(jù)不能同時在一個頁面內(nèi)進(jìn)行展示，工作人員需要在音頻播放器和文本編輯頁面之間反復(fù)切換，這種編輯音頻識別數(shù)據(jù)的方法浪費時間，導(dǎo)致識別效率低。

發(fā)明內(nèi)容

有鑒于此，本申請的目的在于提供一種音頻識別結(jié)果的生成方法及裝置，以提高音頻識別結(jié)果的生成效率。

第一方面，本申請實施例提供了一種音頻識別結(jié)果的生成方法，包括：

獲取對目標(biāo)音頻信息進(jìn)行自動識別所生成的第一文本數(shù)據(jù)；所述目標(biāo)音頻信息是完整音頻信息中的一部分；

將第二文本數(shù)據(jù)的輸入?yún)^(qū)域、所述第一文本數(shù)據(jù)和所述目標(biāo)音頻信息的標(biāo)識在同一個展示頁面進(jìn)行展示；

根據(jù)用戶在所述第二文本數(shù)據(jù)的輸入?yún)^(qū)域所輸入的第二文本數(shù)據(jù)，確定所述目標(biāo)音頻信息的實際識別結(jié)果。

結(jié)合第一方面，本申請實施例提供了第一方面的第一種可能的實施方式，其中，

所述獲取對目標(biāo)音頻信息進(jìn)行自動識別所生成的第一文本數(shù)據(jù)，包括：

獲取完整音頻信息；

按照預(yù)設(shè)的截斷規(guī)則，對所述完整音頻信息進(jìn)行分段，以生成多個發(fā)音單位；

選擇所述多個發(fā)音單位中指定的一個或多個發(fā)音單位作為目標(biāo)音頻信息；

對所述目標(biāo)音頻信息進(jìn)行語音自動識別，以得到第一文本數(shù)據(jù)。

結(jié)合第一方面的第一種可能的實施方式，本申請實施例提供了第一方面的第二種可能的實施方式，其中，

所述選擇所述多個發(fā)音單位中指定的一個或多個發(fā)音單位作為目標(biāo)音頻信息，包括：

確定所述目標(biāo)音頻信息中每個發(fā)音單位的發(fā)音特征；

根據(jù)所述發(fā)音單位的發(fā)音特征，確定所述每個發(fā)音單位所對應(yīng)的發(fā)言方；

將至少一個所述發(fā)言方所對應(yīng)的發(fā)音單位組成目標(biāo)音頻信息。

結(jié)合第一方面的第二種可能的實施方式，本申請實施例提供了第一方面的第三種可能的實施方式，其中，

所述發(fā)音特征包括以下的任意一種或多種：所述發(fā)言方的聲音的音色、音量、音調(diào)以及語速。

結(jié)合第一方面的第二種可能的實施方式，本申請實施例提供了第一方面的第四種可能的實施方式，其中，

所述將所述第一文本數(shù)據(jù)、第二文本數(shù)據(jù)的輸入?yún)^(qū)域和所述目標(biāo)音頻信息的標(biāo)識在同一個展示頁面進(jìn)行展示，包括：

將多個所述目標(biāo)音頻信息的標(biāo)識按照音頻的時間順序在同一個展示頁面進(jìn)行展示。