[發(fā)明專利]語音訓(xùn)練數(shù)據(jù)生成方法、裝置、設(shè)備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910432661.4
• 申請日: 2019-05-23
• 公開（公告）號: CN110310626A
• 公開（公告）日: 2019-10-08
• 發(fā)明（設(shè)計）人: 彭捷
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L25/78
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 劉挽瀾

1.一種語音訓(xùn)練數(shù)據(jù)生成方法，其特征在于，所述語音訓(xùn)練數(shù)據(jù)生成方法包括以下步驟：

獲取音頻文件以及所述音頻文件對應(yīng)的原文文本；

對所述音頻文件進(jìn)行靜音點(diǎn)檢測，確定所述音頻文件的靜音點(diǎn)；

根據(jù)所述靜音點(diǎn)，將所述音頻文件拆分為若干個音頻片段文件；

通過通用模型對所述若干個音頻片段進(jìn)行識別，得到每個音頻片段對應(yīng)的識別結(jié)果；

從所述原文文本中確定所述識別結(jié)果對應(yīng)的文本片段；

將所述識別結(jié)果對應(yīng)的音頻片段以及文本片段關(guān)聯(lián)為一組語音訓(xùn)練數(shù)據(jù)，得到若干組語音訓(xùn)練數(shù)據(jù)。

2.如權(quán)利要求1所述的語音訓(xùn)練數(shù)據(jù)生成方法，其特征在于，所述對所述音頻文件進(jìn)行靜音點(diǎn)檢測，確定所述音頻文件的靜音點(diǎn)的步驟包括：

計算所述音頻文件中每一語音幀的能熵比；

將能熵比小于預(yù)設(shè)閾值的語音幀標(biāo)記為靜音點(diǎn)。

3.如權(quán)利要求1所述的語音訓(xùn)練數(shù)據(jù)生成方法，其特征在于，所述從所述原文文本中確定所述識別結(jié)果對應(yīng)的文本片段的步驟包括：

對所述原文文本進(jìn)行切分，得到多個原文文本片段；

從所述多個原文文本片段中，確定所述識別結(jié)果對應(yīng)的文本片段。

4.如權(quán)利要求3所述的語音訓(xùn)練數(shù)據(jù)生成方法，其特征在于，所述對所述原文文本進(jìn)行切分，得到多個原文文本片段的步驟包括：

檢測所述原文文本中是否存在目標(biāo)字符；

若所述原文文本中存在目標(biāo)字符，則將所述目標(biāo)字符轉(zhuǎn)換成其對應(yīng)的中文字符，得到新的原文文本；

基于所述新的原文文本中的標(biāo)點(diǎn)符號，對所述新的原文文本進(jìn)行切分，得到多個原文文本片段。

5.如權(quán)利要求3所述的語音訓(xùn)練數(shù)據(jù)生成方法，其特征在于，所述從所述多個原文文本片段中，確定所述識別結(jié)果對應(yīng)的文本片段的步驟包括：

計算所述識別結(jié)果與每個原文文本片段的編輯距離，得到所述識別結(jié)果對應(yīng)的多個編輯距離；

從所述多個編輯距離中確定所述識別結(jié)果對應(yīng)的最小編輯距離；

檢測所述最小編輯距離是否小于預(yù)設(shè)閾值；

若最小編輯距離小于預(yù)設(shè)閾值，則將所述最小編輯距離對應(yīng)的原文文本片段，作為所述識別結(jié)果對應(yīng)的文本片段。

6.如權(quán)利要求1至5中任一項(xiàng)所述的語音訓(xùn)練數(shù)據(jù)生成方法，其特征在于，在所述將所述識別結(jié)果對應(yīng)的音頻片段以及文本片段關(guān)聯(lián)為一組語音訓(xùn)練數(shù)據(jù)，得到若干組語音訓(xùn)練數(shù)據(jù)的步驟之后，還包括：

獲取所述音頻文件的場景標(biāo)簽；

基于所述場景標(biāo)簽對所述若干組語音訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)識。

7.如權(quán)利要求6所述的語音訓(xùn)練數(shù)據(jù)生成方法，其特征在于，所述基于所述場景標(biāo)簽對所述若干組語音訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)識的步驟包括：

獲取所述場景標(biāo)簽的標(biāo)識符，將所述標(biāo)識符添加至所述若干組語音訓(xùn)練數(shù)據(jù)的屬性信息中。

8.一種語音訓(xùn)練數(shù)據(jù)生成裝置，其特征在于，所述語音訓(xùn)練數(shù)據(jù)生成裝置包括：

獲取模塊，用于獲取音頻文件以及所述音頻文件對應(yīng)的原文文本；

靜音點(diǎn)檢測模塊，用于對所述音頻文件進(jìn)行靜音點(diǎn)檢測，確定所述音頻文件的靜音點(diǎn)；

拆分模塊，用于根據(jù)所述靜音點(diǎn)，將所述音頻文件拆分為若干個音頻片段文件；

識別模塊，用于通過通用模型對所述若干個音頻片段進(jìn)行識別，得到每個音頻片段對應(yīng)的識別結(jié)果；

確定模塊，用于從所述原文文本中確定所述識別結(jié)果對應(yīng)的文本片段；

關(guān)聯(lián)模塊，用于將所述識別結(jié)果對應(yīng)的音頻片段以及文本片段關(guān)聯(lián)為一組語音訓(xùn)練數(shù)據(jù)，得到若干組語音訓(xùn)練數(shù)據(jù)。

9.一種語音訓(xùn)練數(shù)據(jù)生成設(shè)備，其特征在于，所述語音訓(xùn)練數(shù)據(jù)生成設(shè)備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運(yùn)行的語音訓(xùn)練數(shù)據(jù)生成程序，所述語音訓(xùn)練數(shù)據(jù)生成程序被所述處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的語音訓(xùn)練數(shù)據(jù)生成方法的步驟。

10.一種可讀存儲介質(zhì)，其特征在于，所述可讀存儲介質(zhì)上存儲有語音訓(xùn)練數(shù)據(jù)生成程序，所述語音訓(xùn)練數(shù)據(jù)生成程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的語音訓(xùn)練數(shù)據(jù)生成方法的步驟。