[發(fā)明專利]一種基于驗(yàn)證碼的語(yǔ)音數(shù)據(jù)樣本采集系統(tǒng)及其方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910065909.8
• 申請(qǐng)日: 2019-01-24
• 公開（公告）號(hào): CN109785834A
• 公開（公告）日: 2019-05-21
• 發(fā)明（設(shè)計(jì)）人: 劉作;陳楊;羅一鳴;張強(qiáng);黃忠山;郭夏杰
• 申請(qǐng)（專利權(quán)）人: 中國(guó)—東盟信息港股份有限公司
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L17/02;G06F3/16
• 代理公司: 北京天奇智新知識(shí)產(chǎn)權(quán)代理有限公司 11340
• 代理人: 譚連香

本發(fā)明公開了一種基于驗(yàn)證碼的語(yǔ)音數(shù)據(jù)樣本采集系統(tǒng)及其方法，用戶終端與語(yǔ)音驗(yàn)證及采集模塊連接，用戶通過(guò)用戶終端發(fā)起校驗(yàn)請(qǐng)求，通過(guò)主要由樣本采集服務(wù)器、樣本數(shù)據(jù)庫(kù)、呼叫終端和語(yǔ)音轉(zhuǎn)文字服務(wù)器構(gòu)成的語(yǔ)音驗(yàn)證及采集模塊為用戶終端提供驗(yàn)證服務(wù)，在使用時(shí)，語(yǔ)音驗(yàn)證及采集模塊根據(jù)校驗(yàn)請(qǐng)求發(fā)出標(biāo)準(zhǔn)文字樣本數(shù)據(jù)，用戶根據(jù)指令通過(guò)用戶終端朗讀標(biāo)準(zhǔn)文字樣本數(shù)據(jù)的文字內(nèi)容，得到語(yǔ)音樣本；語(yǔ)音驗(yàn)證及采集模塊對(duì)該語(yǔ)音樣本進(jìn)行語(yǔ)音轉(zhuǎn)文字的處理，得到即時(shí)文字樣本，進(jìn)行驗(yàn)證對(duì)比，對(duì)比成功則采集該語(yǔ)音樣本，否則丟棄。整個(gè)過(guò)程，只需用戶驗(yàn)證參與即可，無(wú)需現(xiàn)場(chǎng)采集，與傳統(tǒng)人工錄入的做法相比，語(yǔ)音樣本采集工作量少、采樣成本的投入更低。

技術(shù)領(lǐng)域

本發(fā)明涉及一種語(yǔ)音數(shù)據(jù)采集技術(shù)，特別是一種基于驗(yàn)證碼的語(yǔ)音數(shù)據(jù)樣本采集系統(tǒng)及其方法。

背景技術(shù)

隨著大數(shù)據(jù)產(chǎn)業(yè)與人工智能深度學(xué)習(xí)的迅猛發(fā)展，對(duì)數(shù)據(jù)樣本的需求呈指數(shù)級(jí)增長(zhǎng)。因?yàn)椴还苁侨斯ぶ悄苓€是大數(shù)據(jù)都是需要基于前端數(shù)據(jù)獲取的基礎(chǔ)上才能進(jìn)行下一步的數(shù)據(jù)處理，而不同領(lǐng)域和不同功能的應(yīng)用場(chǎng)景對(duì)于數(shù)據(jù)樣本的采集區(qū)別較大，尤其是涉及人體本身的生物特征的采集。例如人臉識(shí)別、圖像識(shí)別、語(yǔ)音識(shí)別、語(yǔ)音翻譯等，由于采集的數(shù)據(jù)樣本涉及不同人群的指紋、臉部圖像、聲音等人本身特有生物特征，因此需要采集大量的數(shù)據(jù)樣本。現(xiàn)有技術(shù)中，對(duì)于語(yǔ)音數(shù)據(jù)樣本的采集一般是通過(guò)人工錄入而進(jìn)行的采集，耗費(fèi)人力資源大，造成數(shù)據(jù)采集成本提高。

驗(yàn)證碼(CAPTCHA)是“Completely Automated Public Turing test to tellComputers and Humans Apart”(全自動(dòng)區(qū)分計(jì)算機(jī)和人類的圖靈測(cè)試)的縮寫，是一種區(qū)分用戶是計(jì)算機(jī)還是人的公共全自動(dòng)程序。用戶在第三平臺(tái)上使用時(shí)可防止：惡意破解密碼、刷票、論壇灌水、身份核實(shí)等功能，驗(yàn)證碼已成為很多網(wǎng)站/平臺(tái)通行的方式。因此，基于第三平臺(tái)并通過(guò)驗(yàn)證碼技術(shù)實(shí)現(xiàn)語(yǔ)音數(shù)據(jù)樣本的采集成為數(shù)據(jù)采集領(lǐng)域的一大挑戰(zhàn)。

發(fā)明內(nèi)容

本發(fā)明的發(fā)明目的是，針對(duì)上述問(wèn)題，提供一種基于驗(yàn)證碼的語(yǔ)音數(shù)據(jù)樣本采集系統(tǒng)，本發(fā)明基于為第三方平臺(tái)提供驗(yàn)證碼服務(wù)的途徑，并利用用戶在驗(yàn)證碼服務(wù)中的廣泛參與，順利且快捷完成語(yǔ)音數(shù)據(jù)樣本的采集，有效節(jié)約數(shù)據(jù)采集的成本。

為達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：

一種基于驗(yàn)證碼的語(yǔ)音數(shù)據(jù)樣本采集系統(tǒng)，包括用戶終端和語(yǔ)音驗(yàn)證及采集模塊，所述用戶終端與語(yǔ)音驗(yàn)證及采集模塊連接，用以向語(yǔ)音驗(yàn)證及采集模塊發(fā)起校驗(yàn)請(qǐng)求，用戶根據(jù)語(yǔ)音驗(yàn)證及采集模塊發(fā)來(lái)的指令朗讀文字樣本數(shù)據(jù)中的文字內(nèi)容，并對(duì)應(yīng)生成語(yǔ)音樣本，所述語(yǔ)音樣本由用戶終端發(fā)送給語(yǔ)音驗(yàn)證及采集模塊，所述文字樣本數(shù)據(jù)包括文字樣本和編號(hào)；

所述語(yǔ)音驗(yàn)證及采集模塊，用以接收用戶終端的校驗(yàn)請(qǐng)求，并根據(jù)校驗(yàn)請(qǐng)求向用戶終端發(fā)送待識(shí)別的文字樣本數(shù)據(jù)，同時(shí)接收用戶終端發(fā)來(lái)的語(yǔ)音樣本且將該語(yǔ)音樣本進(jìn)行語(yǔ)音轉(zhuǎn)文字的處理后，得到即時(shí)文字樣本數(shù)據(jù)，然后將即時(shí)文字樣本數(shù)據(jù)與語(yǔ)音驗(yàn)證及采集模塊內(nèi)存儲(chǔ)的標(biāo)準(zhǔn)文字樣本數(shù)據(jù)進(jìn)行校驗(yàn)對(duì)比，通過(guò)校驗(yàn)對(duì)比的結(jié)果來(lái)確定是否采集該語(yǔ)音樣本。

作為優(yōu)選實(shí)施方式，所述語(yǔ)音驗(yàn)證及采集模塊包括樣本采集服務(wù)器、樣本數(shù)據(jù)庫(kù)、呼叫終端和語(yǔ)音轉(zhuǎn)文字服務(wù)器，

所述用戶終端與樣本采集服務(wù)器連接，用于與樣本采集服務(wù)器進(jìn)行信息交互并向樣本采集服務(wù)器發(fā)起驗(yàn)證請(qǐng)求；所述用戶終端還與呼叫終端連接，用以接收呼叫終端發(fā)來(lái)的話路呼叫，并根據(jù)話路呼叫朗讀文字樣本數(shù)據(jù)，以向呼叫終端輸出文字樣本數(shù)據(jù)對(duì)應(yīng)的語(yǔ)音樣本；

所述樣本采集服務(wù)器，用以向用戶終端提供驗(yàn)證服務(wù)；所述樣本采集服務(wù)器還與樣本數(shù)據(jù)庫(kù)連接，用于調(diào)取樣本數(shù)據(jù)庫(kù)中存儲(chǔ)的文字樣本數(shù)據(jù)；所述樣本采集服務(wù)器還與呼叫終端連接，用于控制呼叫終端向用戶終端發(fā)起呼叫驗(yàn)證；

所述樣本數(shù)據(jù)庫(kù)與樣本采集服務(wù)器連接，用于向樣本采集服務(wù)器提供文字樣本的編號(hào)以及存儲(chǔ)識(shí)別的樣本標(biāo)簽；所述樣本數(shù)據(jù)庫(kù)還與呼叫終端連接，用于存儲(chǔ)呼叫終端發(fā)來(lái)的語(yǔ)音樣本；