[發(fā)明專利]一種基于移動終端的角色分離會議速記系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202010935316.5
• 申請日: 2020-09-08
• 公開（公告）號: CN112053679A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設(shè)計）人: 虞焰興
• 申請（專利權(quán)）人: 安徽聲訊信息技術(shù)有限公司
• 主分類號: G10L15/04
• 分類號: G10L15/04;G10L15/26;G10L15/30;G10L17/02;G10L17/04;G10L17/08;G10L25/24;G10L25/27;G10L25/69
• 代理公司: 合肥律眾知識產(chǎn)權(quán)代理有限公司 34147
• 代理人: 秦超

本發(fā)明公開了一種基于移動終端的角色分離會議速記系統(tǒng)及方法，利用移動終端自帶ID的屬性進行語音采集，該ID會一直跟隨該移動終端采集音頻的后續(xù)處理，實現(xiàn)音頻自標(biāo)簽，進而實現(xiàn)會議記錄文本中的角色自分離。

技術(shù)領(lǐng)域

本發(fā)明涉及會議記錄技術(shù)領(lǐng)域，具體是一種基于移動終端的角色分離會議速記系統(tǒng)及方法。

背景技術(shù)

將會議語音實時存儲并轉(zhuǎn)換成會議記錄文本，在逐步取代人工會議速記。然而，傳統(tǒng)會議速記系統(tǒng)僅用于收集語音并轉(zhuǎn)換成文本，無法對不同發(fā)言人的語音進行區(qū)分，形成角色分離的會議記錄文本。

國家知識產(chǎn)權(quán)局于2019年6月7日授權(quán)公告的發(fā)明專利CN108564952B公開了一種語音角色分離方法，通過多陣列指向性麥克風(fēng)對不同人的聲音進行采集，利用算法與硬件相結(jié)合，提高語音角色分離的準(zhǔn)確率，并增強每個聲道音頻對應(yīng)所指向的說話角色的音頻，對其他側(cè)面音頻進行降噪、消回音處理，然后切分并按照音頻對應(yīng)的說話角色進行區(qū)分標(biāo)注。此方法雖然在一定程度上實現(xiàn)了語音角色分離，但是需要配置多陣列指向性麥克風(fēng)以及各種音頻處理模塊，并且側(cè)面音頻的切分和標(biāo)注給后期處理帶來了較大的工作量，不便于直接生成會議記錄文本。

國家知識產(chǎn)權(quán)局于2020年5月5日公布的發(fā)明專利申請CN111105801A公開了一種角色語音分離方法，基于聲紋識別實現(xiàn)語音片段進行收集和整理，但是誠如發(fā)明專利CN108564952B背景技術(shù)中提及的，聲紋識別在理想錄音環(huán)境下的分離效果較好，在較為復(fù)雜的會議場景下，角色分離的準(zhǔn)確率會大打折扣，并且需要后期聚類處理，不便于直接生成會議記錄文本。

目前的語音角色分離主要是基于軟硬件集合的獨立語音分離設(shè)備，在分離處理上也存在滯后性，與實時性要求很高的會議速記系統(tǒng)無法很好地融合，形成能夠?qū)崿F(xiàn)角色分離的會議記錄系統(tǒng)。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中存在的技術(shù)缺陷，本發(fā)明提供一種基于移動終端的角色分離會議速記系統(tǒng)及方法，通過每個移動終端的特有ID，實現(xiàn)語音的角色自分離，直接形成角色分離的會議記錄文本。

本發(fā)明公開了一種基于移動終端的角色分離會議速記系統(tǒng)，包括位于每位參會發(fā)言者面前的移動終端、與所述移動終端無線連接的會議速記服務(wù)器、與所述會議速記服務(wù)器網(wǎng)絡(luò)連接的ASR服務(wù)器、與所述ASR服務(wù)器網(wǎng)絡(luò)連接的NLP服務(wù)器；

所述移動終端用于采集對應(yīng)發(fā)言者的音頻并連同自身ID發(fā)送至所述會議速記服務(wù)器，所述會議速記服務(wù)器將音頻轉(zhuǎn)發(fā)至所述ASR服務(wù)器；

所述ASR服務(wù)器用于將音頻內(nèi)容轉(zhuǎn)換成一次文本發(fā)送至所述NLP服務(wù)器，所述NLP服務(wù)器用于將一次文本按照自然語言進行自動修正，并將修正后的二次文本經(jīng)所述ASR服務(wù)器返回至所述會議速記服務(wù)器，所述會議速記服務(wù)器將二次文本按照對應(yīng)ID進行匹配，即時形成角色分離的會議記錄文本。

進一步的，所述移動終端基于微信公眾平臺或APP進行語音采集，并按照自然句對采集到的音頻流進行切割，并將切割后的音頻段連同自身ID按序發(fā)送至所述ASR服務(wù)器。

進一步的，所述會議速記服務(wù)器網(wǎng)絡(luò)連接有人工編輯終端，所述會議速記服務(wù)器記錄每一音頻段的跟隨ID、開始時間和結(jié)束時間，及其對應(yīng)的音頻代碼和文本，生成日志文件，并根據(jù)該日志文件將每一音頻段與其二次文本以及移動終端ID進行一一對應(yīng)；所述人工編輯終端用于根據(jù)一一對應(yīng)的音頻段和二次文本進行會議記錄的人工修正。

進一步的，會議現(xiàn)場設(shè)置有與所述會議速記服務(wù)器網(wǎng)絡(luò)連接的同步顯示終端，用于對會議記錄進行實時顯示。

本發(fā)明還保護一種基于移動終端的角色分離會議速記方法，利用移動終端自帶ID的屬性進行語音采集，實現(xiàn)會議記錄文本中的角色自分離；更具體的，至少包括以下步驟：