[發明專利]一種音頻數據標注方法、裝置及系統

有效

• 申請號: 202010147984.1
• 申請日: 2020-03-05
• 公開（公告）號: CN111341305B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 孫澤明;齊欣;王寧;張旭華;朱林林
• 申請（專利權）人: 蘇寧云計算有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/05;G10L15/18;G10L15/22;G10L15/26
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 陳怡

1.一種音頻數據標注方法，其特征在于，包括：

將待標注音頻數據利用語音識別引擎進行語音識別獲得參考標注文本；

以所述參考標注文本為參照，在由所述待標注音頻數據解碼獲得的詞圖網絡中查找與所述參考標注文本編輯距離最短的最優識別路徑，計算所述最優識別路徑上各單詞的置信度，將各單詞的所述置信度與預設的第一置信度條件對比，輸出所述最優識別路徑上滿足所述第一置信度條件的目標單詞；

按照所述詞圖網絡中各單詞的時間參數對齊所述目標單詞，形成所述待標注音頻數據的標注文本；

其中，所述詞圖網絡的獲得方法包括：

利用已標注音頻數據訓練聲學模型，根據所述參考標注文本構建有偏語言模型；

利用發音詞典連接訓練后的所述聲學模型和所述有偏語言模型，形成解碼網絡；

利用所述解碼網絡解碼所述待標注音頻數據獲得所述詞圖網絡。

2.如權利要求1所述的一種音頻數據標注方法，其特征在于，所述有偏語言模型的構建方法包括：

以句子為單元將所述參考標注文本分成N個簇，建立所述簇和相應音頻數據的映射；

為每個簇構建一個語言模型。

3.如權利要求1所述的一種音頻數據標注方法，其特征在于，所述詞圖網絡為混淆網絡。

4.如權利要求1～3中任意一項所述的一種音頻數據標注方法，其特征在于，在獲得參考標注文本之前所述方法還包括：

獲取音頻素材的時長；

將所述音頻素材的時長與預設的時長條件對比，刪除不滿足所述時長條件的所述音頻素材；

對所述音頻素材做語音端點檢測，刪除所述音頻素材中的無效音頻數據，得到所述待標注音頻數據。

5.如權利要求1～3中任意一項所述的一種音頻數據標注方法，其特征在于，在獲得參考標注文本時所述方法還包括：

提取所述參考標注文本中的未登錄詞，基于發音詞典對所述未登錄詞進行發音預測。

6.如權利要求1～3中任意一項所述的一種音頻數據標注方法，其特征在于，在計算所述最優識別路徑上各單詞的置信度對比后，所述方法還包括：

將各單詞的所述置信度與預設的第二置信度條件對比，對滿足所述第二置信度條件的噪音單詞做標記，以便將所述噪音單詞用于聲學模型的訓練，從而根據所述標記回避所述噪音單詞，提高訓練效果，所述第二置信度條件的閾值小于所述第一置信度條件的閾值。

7.一種用于實現權利要求1所述方法的音頻數據標注裝置，其特征在于，包括：

參考標注模塊，用于利用語音識別引擎對待標注音頻數據進行語音識別獲得參考標注文本；

解碼模塊，用于對所述待標注音頻數據解碼獲得詞圖網絡；

最優識別路徑獲取模塊，用于查找與所述參考標注文本編輯距離最短的最優識別路徑；

置信度計算模塊，用于計算所述最優識別路徑上各單詞的置信度；

目標單詞獲取模塊，用于將各單詞的所述置信度與預設的第一置信度條件對比，輸出所述最優識別路徑上滿足所述第一置信度條件的目標單詞；

時間對齊模塊，用于按照所述詞圖網絡中各單詞的時間參數對齊所述目標單詞，形成所述待標注音頻數據的標注文本。

8.如權利要求7所述的音頻數據標注裝置，其特征在于，所述裝置還包括：

噪音單詞獲取模塊，用于將各單詞的所述置信度與預設的第二置信度條件對比，對滿足所述第二置信度條件的噪音單詞做標記，所述第二置信度條件的閾值小于所述第一置信度條件的閾值。

9.一種計算機系統，其特征在于，包括：

一個或多個處理器；以及

與所述一個或多個處理器關聯的存儲器，所述存儲器用于存儲程序指令,所述程序指令在被所述一個或多個處理器讀取執行時，執行如權利要求1～6任意一項所述方法的操作。