[發(fā)明專利]實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制系統(tǒng)及其方法

在審

• 申請?zhí)枺?/td>: 202010414692.X
• 申請日: 2020-05-15
• 公開（公告）號: CN111627448A
• 公開（公告）日: 2020-09-04
• 發(fā)明（設(shè)計）人: 趙銳;吳松洋;李寧;譚懿先
• 申請（專利權(quán)）人: 公安部第三研究所
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L15/26;G10L15/30;G10L15/06;G10L15/16
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 王潔;鄭暄

1.一種實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制系統(tǒng)，其特征在于，所述的系統(tǒng)包括前端設(shè)備和后臺服務(wù)子系統(tǒng)，所述的前端設(shè)備與所述的后臺服務(wù)子系統(tǒng)通過接口相連接；

所述的前端設(shè)備包括麥克風/聲卡、收聲模塊和應(yīng)用門戶，所述的麥克風/聲卡與收聲模塊相連接，收聲模塊和應(yīng)用門戶通過接口相連接，所述的收聲模塊用于根據(jù)麥克風/聲卡傳入的聲音方向判斷聲音來源；

所述的后臺服務(wù)子系統(tǒng)包括語音服務(wù)模塊和應(yīng)用服務(wù)模塊，所述的語音服務(wù)模塊與所述的收聲模塊通過接口相連接，所述的應(yīng)用服務(wù)模塊與應(yīng)用門戶通過接口相連接。

2.根據(jù)權(quán)利要求1所述的實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制系統(tǒng)，其特征在于，所述的語音服務(wù)模塊包括語音服務(wù)端、聲紋庫、實時聲紋識別引擎和實時語音轉(zhuǎn)寫引擎，所述的語音服務(wù)端的接收端與所述的收聲模塊通過接口相連接，所述的語音服務(wù)端的輸出端與聲紋庫相連接，并通過接口分別與實時聲紋識別引擎和實時語音轉(zhuǎn)寫引擎相連接。

3.根據(jù)權(quán)利要求2所述的實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制系統(tǒng)，其特征在于，所述的應(yīng)用服務(wù)模塊包括應(yīng)用服務(wù)端、審訊筆錄及錄音庫和其它數(shù)據(jù)庫，所述的應(yīng)用服務(wù)端的接收端與所述的應(yīng)用門戶通過接口相連接，所述的應(yīng)用服務(wù)端的輸出端分別與所述的審訊筆錄及錄音庫和其它數(shù)據(jù)庫相連接，所述的審訊筆錄及錄音庫輸入端還與語音服務(wù)端相連接。

4.根據(jù)權(quán)利要求1所述的實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制系統(tǒng)，其特征在于，所述的前端設(shè)備包括兩個麥克風/聲卡，用于同時獨立地收發(fā)數(shù)字信號。

5.根據(jù)權(quán)利要求1所述的實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制系統(tǒng)，其特征在于，所述的收聲模塊包括收聲模塊硬件和收聲功能的SDK包，通過收聲模塊將聲音形成PCM音頻。

6.根據(jù)權(quán)利要求2所述的實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制系統(tǒng)，其特征在于，所述的應(yīng)用門戶通過收聲模塊訪問語音服務(wù)端。

7.根據(jù)權(quán)利要求2所述的實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制系統(tǒng)，其特征在于，所述的實時聲紋識別引擎采用高維仿生模式識別算法。

8.根據(jù)權(quán)利要求2所述的實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制系統(tǒng)，其特征在于，所述的實時語音轉(zhuǎn)寫引擎采用語音轉(zhuǎn)寫NLP技術(shù)。

9.一種基于權(quán)利要求1所述的系統(tǒng)實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制的方法，其特征在于，所述的方法包括以下步驟：

(1)將用戶在應(yīng)用門戶上下達的注冊聲紋指令或語音轉(zhuǎn)寫指令發(fā)送至收聲模塊，麥克風/聲卡將接收到的語音發(fā)送到收聲模塊；

(2)收聲模塊根據(jù)應(yīng)用門戶下達的注冊聲紋指令或語音轉(zhuǎn)寫指令，將語音發(fā)送給語音服務(wù)端的注冊聲紋服務(wù)或語音轉(zhuǎn)寫服務(wù)；

(3)判斷是否為注冊聲紋服務(wù)或語音轉(zhuǎn)寫服務(wù)，如果是注冊聲紋服務(wù)，則繼續(xù)步驟(4)；如果是語音轉(zhuǎn)寫服務(wù)，則繼續(xù)步驟(5)；

(4)語音服務(wù)端通過分析方法進行語音質(zhì)量檢測，判斷檢測是否通過，如果是，則進行語音增強，并將聲紋特征及對應(yīng)人存入聲紋庫；否則，返回信息至收聲模塊，收聲模塊返回信息至應(yīng)用門戶；

(5)語音服務(wù)端調(diào)用實時聲紋識別引擎，將語音與聲紋庫的聲紋特征進行比較，得出語音的說話人，并通過接口返回至語音服務(wù)端，同時將調(diào)用實時語音轉(zhuǎn)寫引擎進行語音轉(zhuǎn)寫，并通過接口返回至語音服務(wù)端；

(6)語音服務(wù)端將語音及轉(zhuǎn)寫成的文字發(fā)送至審訊筆錄及錄音庫及收聲模塊；

(7)收聲模塊將審訊筆錄實時返回給應(yīng)用門戶，應(yīng)用門戶通過接口訪問應(yīng)用服務(wù)模塊進行操作處理；

(8)應(yīng)用服務(wù)端根據(jù)查詢條件檢索審訊筆錄及錄音庫和其他庫，并將結(jié)果返回應(yīng)用服務(wù)端，應(yīng)用服務(wù)端返回至應(yīng)用門戶。

10.根據(jù)權(quán)利要求9所述的實現(xiàn)基于語音大數(shù)據(jù)的審訊與談話控制的方法，其特征在于，所述的步驟(5)中進行語音轉(zhuǎn)寫的步驟具體包括以下處理過程：

(5.1)通過文本摘要提取和關(guān)鍵字提取關(guān)鍵信息；

(5.2)通過word2vec模型將詞語訓練為詞向量；

(5.3)通過CRF條件隨機場算法進行實體識別；

(5.4)通過雙向LSTM技術(shù)生成長短期記憶網(wǎng)絡(luò)語句。