[發(fā)明專利]語音數(shù)據(jù)處理方法、裝置、存儲(chǔ)介質(zhì)和計(jì)算設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010075161.2
• 申請(qǐng)日: 2020-01-22
• 公開（公告）號(hào): CN111161712A
• 公開（公告）日: 2020-05-15
• 發(fā)明（設(shè)計(jì)）人: 郭燕芳;邱碩;孫艷慶;段亦濤;李英杰
• 申請(qǐng)（專利權(quán)）人: 網(wǎng)易有道信息技術(shù)（北京）有限公司
• 主分類號(hào): G10L15/06
• 分類號(hào): G10L15/06;G10L15/20;G10L15/22
• 代理公司: 北京市鑄成律師事務(wù)所 11313
• 代理人: 郭麗祥;閻敏

1.一種語音數(shù)據(jù)處理方法，其特征在于，所述方法包括：

獲取多個(gè)待處理的語音文件；

對(duì)所述多個(gè)待處理的語音文件進(jìn)行拼接處理，得到拼接的語音文件，以使用播放設(shè)備播放所述拼接的語音文件；

對(duì)播放設(shè)備播放的所述拼接的語音文件進(jìn)行錄制，得到錄制的語音文件；

對(duì)所述錄制的語音文件進(jìn)行切割處理，得到多個(gè)目標(biāo)語音文件；

將所述多個(gè)目標(biāo)語音文件添加至用于對(duì)語音識(shí)別模型進(jìn)行訓(xùn)練的訓(xùn)練數(shù)據(jù)的集合中。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個(gè)待處理的語音文件均具有對(duì)應(yīng)的標(biāo)注數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述多個(gè)語音文件進(jìn)行拼接處理，包括：

在相鄰的兩個(gè)語音文件之間添加至少一個(gè)第一類標(biāo)識(shí)，以使拼接的語音文件包括多個(gè)第一類標(biāo)識(shí)，所述第一類標(biāo)識(shí)用于對(duì)前一個(gè)語音文件的結(jié)束位置進(jìn)行標(biāo)記，所述第一類標(biāo)識(shí)還用于對(duì)后一個(gè)語音文件的開始位置進(jìn)行標(biāo)記。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述錄制的語音文件中包括多個(gè)所述第一類標(biāo)識(shí)；

所述對(duì)所述錄制的語音文件進(jìn)行切割處理，包括：

基于所述錄制的語音文件中的各個(gè)第一類標(biāo)識(shí)，對(duì)所述錄制的語音文件進(jìn)行切割處理，以使切割后的目標(biāo)語音文件的開始位置與所述拼接的語音文件中對(duì)應(yīng)的語音文件的開始位置之間的距離小于預(yù)定閾值，并且使切割后的目標(biāo)語音文件的結(jié)束位置與所述拼接的語音文件中對(duì)應(yīng)的語音文件的結(jié)束位置之間的距離小于預(yù)定閾值。

5.根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的方法，其特征在于，所述對(duì)所述多個(gè)語音文件進(jìn)行拼接處理，包括：

在拼接處理的多個(gè)語音文件的累計(jì)時(shí)長(zhǎng)達(dá)到預(yù)設(shè)時(shí)長(zhǎng)時(shí)，添加至少一個(gè)第二類標(biāo)識(shí)，并繼續(xù)進(jìn)行拼接處理，在拼接處理的多個(gè)語音文件的累計(jì)時(shí)長(zhǎng)再次達(dá)到預(yù)設(shè)時(shí)長(zhǎng)時(shí)，再次添加至少一個(gè)第二類標(biāo)識(shí)，并繼續(xù)進(jìn)行拼接處理，如此直至拼接完成；

其中，所述第二類標(biāo)識(shí)用于對(duì)前一個(gè)語音文件的結(jié)束位置進(jìn)行標(biāo)記，所述第二類標(biāo)識(shí)還用于對(duì)后一個(gè)語音文件的開始位置進(jìn)行標(biāo)記。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述錄制的語音文件中包括多個(gè)所述第二類標(biāo)識(shí)；

所述對(duì)所述錄制的語音文件進(jìn)行切割處理，包括：

在對(duì)所述錄制的語音文件進(jìn)行切割處理的過程中，基于各個(gè)第二類標(biāo)識(shí)對(duì)切割的位置進(jìn)行校準(zhǔn)，以使切割的位置與所述拼接的語音文件中多個(gè)第二類標(biāo)識(shí)的位置之間的偏移量小于預(yù)定閾值。

7.一種語音識(shí)別模型，其特征在于，所述語音識(shí)別模型是基于訓(xùn)練數(shù)據(jù)訓(xùn)練生成的，其中，所述訓(xùn)練數(shù)據(jù)包括基于權(quán)利要求1-9中任一項(xiàng)所述的語音數(shù)據(jù)處理方法獲得的訓(xùn)練數(shù)據(jù)。

8.一種語音數(shù)據(jù)處理裝置，其特征在于，所述裝置包括：

語音文件獲取模塊，用于獲取多個(gè)待處理的語音文件，

拼接處理模塊，用于對(duì)所述多個(gè)待處理的語音文件進(jìn)行拼接處理，得到拼接的語音文件，以使用播放設(shè)備播放所述拼接的語音文件；

錄制模塊，用于對(duì)播放設(shè)備播放的所述拼接的語音文件進(jìn)行錄制，得到錄制的語音文件；

切割處理模塊，用于對(duì)所述錄制的語音文件進(jìn)行切割處理，得到多個(gè)目標(biāo)語音文件；

添加處理模塊，用于將所述多個(gè)目標(biāo)語音文件添加至用于對(duì)語音識(shí)別模型進(jìn)行訓(xùn)練的訓(xùn)練數(shù)據(jù)的集合中。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6中任一項(xiàng)所述的語音數(shù)據(jù)處理方法的步驟。

10.一種計(jì)算設(shè)備，包括：

一個(gè)或多個(gè)處理器；

存儲(chǔ)裝置，用于存儲(chǔ)一個(gè)或多個(gè)程序；

當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如權(quán)利要求1-6中任一項(xiàng)所述的語音數(shù)據(jù)處理方法的步驟。