[發明專利]語音數據處理方法、裝置、存儲介質和計算設備

在審

• 申請號: 202010075161.2
• 申請日: 2020-01-22
• 公開（公告）號: CN111161712A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 郭燕芳;邱碩;孫艷慶;段亦濤;李英杰
• 申請（專利權）人: 網易有道信息技術（北京）有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/20;G10L15/22
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 郭麗祥;閻敏

本申請的實施方式提供了一種語音數據處理方法、裝置、存儲介質和計算設備，所述方法包括：獲取多個待處理的語音文件；對所述多個待處理的語音文件進行拼接處理，得到拼接的語音文件，以使用播放設備播放所述拼接的語音文件；對播放設備播放的所述拼接的語音文件進行錄制，得到錄制的語音文件；對所述錄制的語音文件進行切割處理，得到多個目標語音文件；將所述多個目標語音文件添加至用于對語音識別模型進行訓練的訓練數據的集合中。利用本申請實施例能夠以較低的成本獲得高質量的訓練數據。

技術領域

本申請的實施方式涉及信息技術領域，更具體地，本申請的實施方式涉及語音數據處理方法、裝置、存儲介質和計算設備。

背景技術

本部分旨在為權利要求書中陳述的本申請的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。

語音識別技術也稱自動語音識別(Automatic Speech Recognition，ASR)技術是以語音為處理對象，通過語音信號處理等將語音自動轉換為計算機可讀內容的過程。實際應用中，語音識別技術需依托于大量的人工標注數據，對系統進行大量的訓練，才可能獲得較高的識別率。

目前在純凈無噪聲的環境下，語音識別技術取得了較高的識別率，但是，在含有噪聲、混響的環境中或者其他語音失真的環境中，系統識別率急劇下降，語音識別的魯棒性差，如法滿足日益多樣化的用戶使用需求。

發明內容

本申請期望提供一種語音數據處理方法、裝置、存儲介質和計算設備，以解決上述至少一方面的技術問題。

第一方面，本申請實施例提供一種語音數據處理方法，包括：

獲取多個待處理的語音文件；

對所述多個待處理的語音文件進行拼接處理，得到拼接的語音文件，以使用播放設備播放所述拼接的語音文件；

對播放設備播放的所述拼接的語音文件進行錄制，得到錄制的語音文件；

對所述錄制的語音文件進行切割處理，得到多個目標語音文件；

將所述多個目標語音文件添加至用于對語音識別模型進行訓練的訓練數據的集合中。

根據本申請實施例的語音數據處理方法，所述多個待處理的語音文件均具有對應的標注數據。

根據本申請實施例的語音數據處理方法，所述方法還包括：基于所述多個待處理的語音文件對應的標注數據以及所述多個目標語音文件，形成語音識別模型的訓練數據。

根據本申請實施例的語音數據處理方法，所述對所述多個語音文件進行拼接處理，包括：在相鄰的兩個語音文件之間添加至少一個第一類標識，以使拼接的語音文件包括多個第一類標識，所述第一類標識用于對前一個語音文件的結束位置進行標記，所述第一類標識還用于對后一個語音文件的開始位置進行標記。

根據本申請實施例的語音數據處理方法，所述錄制的語音文件中包括多個所述第一類標識；所述對所述錄制的語音文件進行切割處理，包括：基于所述錄制的語音文件中的各個第一類標識，對所述錄制的語音文件進行切割處理，以使切割后的目標語音文件的開始位置與所述拼接的語音文件中對應的語音文件的開始位置之間的距離小于預定閾值，并且使切割后的目標語音文件的結束位置與所述拼接的語音文件中對應的語音文件的結束位置之間的距離小于預定閾值。

根據本申請實施例的語音數據處理方法，所述對所述多個語音文件進行拼接處理，包括：在拼接處理的多個語音文件的累計時長達到預設時長時，添加至少一個第二類標識，并繼續進行拼接處理，在拼接處理的多個語音文件的累計時長再次達到預設時長時，再次添加至少一個第二類標識，并繼續進行拼接處理，如此直至拼接完成；其中，所述第二類標識用于對前一個語音文件的結束位置進行標記，所述第二類標識還用于對后一個語音文件的開始位置進行標記。