[發明專利]一種用于會議速記系統的音頻傳輸方法

有效

• 申請號: 201910532574.6
• 申請日: 2019-06-19
• 公開（公告）號: CN110265027B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 虞焰興;徐勇
• 申請（專利權）人: 安徽聲訊信息技術有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/04;G10L15/30;H04L29/08
• 代理公司: 合肥律眾知識產權代理有限公司 34147
• 代理人: 馮慧云

本發明公開了一種用于會議速記系統的音頻傳輸方法，會議進行時，會議速記終端收錄會議音頻并按照自然句對音頻流進行切割并編號，并將切割后的音頻段分別發送至ASR服務器和協同編輯服務器；ASR服務器用于將音頻段內容轉換成一次文本，協同編輯服務器用于音頻定位。會議速記終端按照自然句對音頻流進行切割，減小了音頻傳輸過程中占比的帶寬，使其傳輸更加快速，ASR服務器的文本返回速度也更快；一段音頻段及其對應文本傳輸至人工編輯終端后，即可根據該音頻段對其對應的文本進行修正，從而實現了對動態生成的會議記錄的實時修正。

技術領域

本發明涉及語音速記技術領域，尤其是一種用于會議速記系統的音頻傳輸方法。

背景技術

在會議過程中，由記錄人員把會議的組織情況和具體內容記錄下來，就形成了會議記錄。最傳統的形式是由記錄人員現場速記并在會議結束之后根據會議錄音整理核對會議記錄。

隨著語音識別技術(ASR)和自然語言處理技術(NLP)的發展，會議中產生的音頻能夠在會議現場直接實時轉換成文字并生成會議記錄，極大地減少了記錄人員的工作量。

語音識別技術是將人類語音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列；自然語言處理技術研究的是如何實現人與計算機之間用自然語言進行有效通信；兩者相結合，就能夠將人類語音轉換為人類語言的書面表達形式——文本。但是，這個轉換過程不能保證百分百精準，尤其對于一些沒有錄入系統中的術語、人物姓名等，系統沒有辦法判斷具體應該是何字。例如輸入語音“章子怡”，系統對于這個明星的姓名能夠予以識別并轉換成正確的文字；輸入語音“張二雷”，對于這個陌生的詞組，系統只能逐字音譯并選擇系統設置的默認選項，如系統默認“zhang”優先“章”時，語音“張二雷”可能就會被轉換成文字“章二雷”，這就導致了錯誤的存在。當然，實際的錯誤不僅限于此。

現有的會議速記系統的準確率基本在90-95％左右，對于文本中存在的錯誤，有必要進行修正。目前，采用的修正方式，主要還是會議結束之后，記錄人員根據會議錄音對會議記錄進行整理核對，使得會議記錄成稿的生成存在一定的延時性，存在一定的不便之處。隨之容易想到的，最優的修正方式，當然是對音頻轉換而成的文本進行實時修改，但是存在的技術障礙是，如何實現一邊音頻正在錄入，一邊文本正在生成的同時，對文本進行及時、快速地修正，也就是如何對正在動態生成的文本進行及時、快速地修正。

發明內容

針對上述問題，本發明提供一種有助于會議速記系統實現對正在動態生成的文本進行及時、快速地修正的音頻傳輸方法。

一種用于會議速記系統的音頻傳輸方法，會議進行時，會議速記終端收錄會議音頻并按照自然句對音頻流進行切割并編號，并將切割后的音頻段分別發送至ASR服務器和協同編輯服務器；ASR服務器用于將音頻段內容轉換成一次文本，協同編輯服務器用于音頻定位。

進一步的，會議速記終端在切割音頻流時，對每一音頻段的開始時間、結束時間、音頻代碼進行記錄并生成日志文件；會議速記終端將日志文件中的一種或多種音頻特征信息連通音頻段一起發送至ASR服務器。

進一步的，切割音頻段之間的時間間隔為0.00001ms；音頻段時長限制在60s以內。

進一步的，會議速記終端切割音頻流的同時，復制音頻流并發送至協同編輯服務器。

進一步的，當會議速記終端檢測到網絡中斷時，停止向ASR服務器發送數據，并將數據暫時存放于內存中，當網絡再次連接時，通過內存將數據有序發送給ASR服務器。