[發(fā)明專利]語音轉(zhuǎn)寫方法、裝置和電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010735724.6
• 申請(qǐng)日: 2020-07-28
• 公開（公告）號(hào): CN111883135A
• 公開（公告）日: 2020-11-03
• 發(fā)明（設(shè)計(jì)）人: 陳孝良;蘇少煒;張國超;常樂
• 申請(qǐng)（專利權(quán)）人: 北京聲智科技有限公司
• 主分類號(hào): G10L15/26
• 分類號(hào): G10L15/26;G10L15/08;G10L15/02
• 代理公司: 北京竹辰知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11706
• 代理人: 聶鵬

本公開實(shí)施例公開了一種語音轉(zhuǎn)寫方法、裝置、電子設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。其中該語音轉(zhuǎn)寫方法包括：采集聲音信號(hào)；從所述聲音信號(hào)中分離出至少一個(gè)角色語音信號(hào)；將所述至少一個(gè)角色語音信號(hào)轉(zhuǎn)寫成文字；以至少一種展示方式展示所述文字。上述方法通過分離語音信號(hào)以及將語音信號(hào)轉(zhuǎn)寫成文字，解決了現(xiàn)有技術(shù)中記錄語音內(nèi)容的方案中所存在的檢索不便、不穩(wěn)定、不準(zhǔn)確等技術(shù)問題。

技術(shù)領(lǐng)域

本公開涉及語音識(shí)別領(lǐng)域，尤其涉及一種語音轉(zhuǎn)寫方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

作為一種人機(jī)交互的手段，語音識(shí)別的獲取技術(shù)在解放人類雙手方面意義重大。越來越多的智能設(shè)備加入了語音識(shí)別的潮流，成為人與設(shè)備溝通的橋梁，因此語音識(shí)別技術(shù)愈發(fā)顯得重要。

語音是最自然的溝通方式，很多場合都是通過語音溝通，比如：電話，演講，看病，庭審，會(huì)議等等。這些溝通的內(nèi)容需要記錄，通常使用錄制音頻或者人工打字的方式來記錄溝通內(nèi)容。但是音頻記錄不方便檢索查詢，不能快速定位到需要定位的內(nèi)容上；而通過書記員打字來快速記錄語音溝通的內(nèi)容，受制于打字速度，有時(shí)候語音速度過快，可能會(huì)遺漏部分重要的內(nèi)容，并且也受書記員的狀態(tài)的影響。因此亟需能夠自動(dòng)、穩(wěn)定、準(zhǔn)確的將語音轉(zhuǎn)換成文字的方案。

發(fā)明內(nèi)容

提供該發(fā)明內(nèi)容部分以便以簡要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實(shí)施方式部分被詳細(xì)描述。該發(fā)明內(nèi)容部分并不旨在標(biāo)識(shí)要求保護(hù)的技術(shù)方案的關(guān)鍵特征或必要特征，也不旨在用于限制所要求的保護(hù)的技術(shù)方案的范圍。

第一方面，本公開實(shí)施例提供一種語音轉(zhuǎn)寫方法，包括：

采集聲音信號(hào)；

從所述聲音信號(hào)中分離出至少一個(gè)角色語音信號(hào)；

將所述至少一個(gè)角色語音信號(hào)轉(zhuǎn)寫成文字；

以至少一種展示方式展示所述文字。

進(jìn)一步的，所述從所述聲音信號(hào)中分離出至少一個(gè)角色語音信號(hào)，包括：

將多通道的聲音信號(hào)轉(zhuǎn)換為多個(gè)單通道聲音信號(hào)；

從所述多個(gè)單通道聲音信號(hào)中確定至少一個(gè)單通道語音信號(hào)；

根據(jù)所述至少一個(gè)單通道語音信號(hào)確定至少一個(gè)角色語音信號(hào)。

進(jìn)一步的，所述從所述多個(gè)單通道聲音信號(hào)中確定至少一個(gè)單通道語音信號(hào)，包括：

將所述多個(gè)單通道聲音信號(hào)中的每一個(gè)單通道聲音信號(hào)輸入深度學(xué)習(xí)模型得到至少一個(gè)單通道語音信號(hào)。

進(jìn)一步的，所述根據(jù)所述至少一個(gè)單通道語音信號(hào)確定至少一個(gè)角色語音信號(hào)，包括：

計(jì)算所述至少一個(gè)單通道語音信號(hào)之間的相似度；

將相似度高于相似閾值的多個(gè)單通道語音信號(hào)識(shí)別為同一個(gè)角色語音信號(hào)；

將相似度低于相似閾值的多個(gè)單通道語音信號(hào)識(shí)別為不同的角色語音信號(hào)。

進(jìn)一步的，所述將所述至少一個(gè)角色語音信號(hào)轉(zhuǎn)寫成文字，包括：

抽取所述至少一個(gè)角色語音信號(hào)的語音特征；

將所述語音特征輸入語音識(shí)別模型得到所述至少一個(gè)角色語音信號(hào)所對(duì)應(yīng)的文字。

進(jìn)一步的，所述以至少一種展示方式展示所述文字，包括：

在實(shí)時(shí)展示區(qū)域展示所述文字；和/或，

在歷史展示區(qū)域展示所述文字之前所轉(zhuǎn)寫的文字；和/或

在信息展示區(qū)域?yàn)橐颜故镜男畔⑻砑右运鑫淖炙M成的字幕。

進(jìn)一步的，所述方法還包括: