[發(fā)明專利]基于語音識別的會議記錄生成方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910627403.1
• 申請日: 2019-07-11
• 公開（公告）號: CN110335612A
• 公開（公告）日: 2019-10-15
• 發(fā)明（設(shè)計）人: 林子童;邵嘉琦;劉屹;肖金平;郭翼斌;萬正勇;沈志勇
• 申請（專利權(quán)）人: 招商局金融科技有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/22;G10L15/04;G10L15/08;G10L15/22;G10L15/26;G06F16/63
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明揭露了一種基于語音識別的會議記錄生成方法，該方法包括：接收用戶發(fā)出的會議記錄生成指令，獲取待轉(zhuǎn)換音頻；對所述待轉(zhuǎn)換音頻進(jìn)行句子劃分，得到所述待轉(zhuǎn)換音頻的音頻句子；分別從識別出的所述音頻句子中提取聲紋特征，將各音頻句子對應(yīng)的聲紋特征與預(yù)設(shè)聲紋特征庫進(jìn)行比對分析，確定各音頻句子對應(yīng)的說話人身份信息，并根據(jù)所述說話人身份信息將所述音頻句子劃分為語音段，確定所述待轉(zhuǎn)換音頻對應(yīng)的語音段集合；調(diào)用各語音段對應(yīng)的目標(biāo)語音識別模型，依次得到各語音段對應(yīng)的文本；及，生成所述待轉(zhuǎn)換音頻對應(yīng)的會議記錄。本發(fā)明還揭露了一種電子裝置及計算機(jī)存儲介質(zhì)。利用本發(fā)明，可提高會議記錄生成的準(zhǔn)確性及效率。

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種基于語音識別的會議記錄生成方法、電子裝置及計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

目前，會議記錄的撰寫方式主要為：首先，會議現(xiàn)場記錄關(guān)鍵詞；其次，會議后在會議錄音中尋找關(guān)鍵詞并重聽關(guān)鍵詞附近錄音并擴(kuò)展關(guān)鍵詞以形成會議記錄。但是由于關(guān)鍵詞和錄音之間沒有對應(yīng)關(guān)系，記錄人員在會后翻找關(guān)鍵詞時需要通過人工反復(fù)定位尋找，耗費(fèi)時間，操作也比較麻煩，更進(jìn)一步，如果會議中同一個關(guān)鍵詞出現(xiàn)多次，僅靠人工重聽錄音定位可能出現(xiàn)錯誤定位的情況，導(dǎo)致會議記錄出現(xiàn)記錄錯誤。

為了解決上述問題，目前市面上出現(xiàn)了依托于語音轉(zhuǎn)換技術(shù)自動生成會議記錄文本的會議記錄產(chǎn)品，然而，這種現(xiàn)有的會議記錄產(chǎn)品通常為簡單的語音轉(zhuǎn)文字產(chǎn)品，語音轉(zhuǎn)換的準(zhǔn)確率得不到保障，記錄人員在使用后得到的是一篇長文本，它與會議錄音并無掛鉤，加上語音轉(zhuǎn)文字技術(shù)不夠成熟，往往記錄人員在拿到文本后因轉(zhuǎn)文錯誤較多無從下手，最后還是只能依靠人工聽錄音的方式去完成會議記錄。

因此，如何便捷、準(zhǔn)確地生成會議記錄成為一個亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，本發(fā)明提供一種基于語音識別的會議記錄生成方法、電子裝置及計算機(jī)可讀存儲介質(zhì)，其主要目的在于提高會議記錄生成的效率及準(zhǔn)確性。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于語音識別的會議記錄生成方法，該方法包括：

接收步驟：接收用戶發(fā)出的會議記錄生成指令，根據(jù)所述會議記錄生成指令獲取待轉(zhuǎn)換音頻，或者，定時或?qū)崟r從預(yù)設(shè)存儲路徑中獲取待轉(zhuǎn)換音頻；

第一劃分步驟：對所述待轉(zhuǎn)換音頻進(jìn)行句子劃分，得到所述待轉(zhuǎn)換音頻的音頻句子；

第二劃分步驟：分別從所述音頻句子中提取聲紋特征，將各個所述音頻句子的聲紋特征與預(yù)設(shè)聲紋特征庫進(jìn)行對比分析，確定各個所述音頻句子對應(yīng)的說話人身份信息，并根據(jù)所述說話人身份信息將所述音頻句子劃分為語音段，確定所述待轉(zhuǎn)換音頻對應(yīng)的語音段集合；

語音識別步驟：根據(jù)所述語音段集合中各語音段對應(yīng)的說話人身份信息調(diào)用各語音段對應(yīng)的目標(biāo)語音識別模型，依次將各語音段輸入對應(yīng)的目標(biāo)語音識別模型，得到各語音段對應(yīng)的文本片段，其中，所述目標(biāo)語音識別模型是基于口音語料庫及行業(yè)語料庫進(jìn)行更新訓(xùn)練得到的；及

生成步驟：合并各語音段對應(yīng)的文本片段，生成所述待轉(zhuǎn)換音頻對應(yīng)的目標(biāo)文本，并在所述目標(biāo)文本的每個所述文本片段中關(guān)聯(lián)對應(yīng)的語音段及說話人身份信息，生成所述待轉(zhuǎn)換音頻對應(yīng)的會議記錄。

此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種電子裝置，該裝置包括：存儲器、處理器，所述存儲器中存儲有可在所述處理器上運(yùn)行的會議記錄生成程序，所述會議記錄生成程序被所述處理器執(zhí)行時可實(shí)現(xiàn)如上所述基于語音識別的會議記錄生成方法中的任意步驟。

此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)中包括會議記錄生成程序，所述會議記錄生成程序被處理器執(zhí)行時，可實(shí)現(xiàn)如上所述基于語音識別的會議記錄生成方法中的任意步驟。