[發明專利]一種數據處理方法、裝置、設備及介質

在審

• 申請號: 202011496538.8
• 申請日: 2020-12-17
• 公開（公告）號: CN112669814A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 李旭;劉歡
• 申請（專利權）人: 北京獵戶星空科技有限公司
• 主分類號: G10L13/04
• 分類號: G10L13/04;G10L13/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 杜晶

1.一種數據處理方法，其特征在于，所述方法包括：

獲取任一待質檢的標注數據以及所述標注數據對應的音頻數據，所述標注數據包括所述音頻數據對應的文本數據及其第一文本特征；

基于所述標注數據和所述音頻數據，通過語音合成模型的解碼器，確定所述標注數據對應的質檢數據，所述質檢數據表征所述標注數據中的每個字符與所述音頻數據中的每個音頻幀的對應關系；

根據所述標注數據對應的質檢數據，判斷所述標注數據是否正確。

2.根據權利要求1所述的方法，其特征在于，所述根據所述標注數據對應的質檢數據，判斷所述標注數據是否正確，包括：

若確定所述標注數據對應的質檢數據滿足預先配置的質檢要求，則確定所述標注數據正確；或者

若確定所述標注數據對應的質檢數據不滿足預先配置的質檢要求，確定所述標注數據標注錯誤。

3.根據權利要求2所述的方法，其特征在于，根據如下至少一種方式確定所述標注數據對應的質檢數據是否滿足預先配置的質檢要求，包括：

基于所述質檢數據中包括的位置質檢數據，確定所述標注數據中文本數據包含的字符個數與所述音頻數據對應的字符個數是否相等，以確定所述質檢數據是否滿足預先配置的第一質檢要求，其中，所述位置質檢數據用于標識所述標注數據對應的每個第二文本特征在文本特征序列中的位置、與所述音頻數據對應的每個音頻特征在音頻特征序列中的位置的對應關系；其中，所述第二文本特征是通過所述語音合成模型中的編碼器對所述標注數據進行編碼后獲得的；

基于所述質檢數據中包括的所述音頻數據對應的音頻特征序列中包含的每個音頻特征分別對應的概率向量，確定所述標注數據中文本數據包含的字符與所述音頻數據對應的字符是否一致，以確定所述質檢數據是否滿足預先配置的第二質檢要求，任一音頻特征對應的概率向量中包含該音頻特征分別對應所述標注數據對應的每個第二文本特征的概率值。

4.根據權利要求3所述的方法，其特征在于，所述基于所述質檢數據中包括的位置質檢數據，確定所述標注數據中文本數據包含的字符個數與所述音頻數據對應的字符個數是否相等，以確定所述質檢數據是否滿足預先配置的第一質檢要求，包括：

若所述位置質檢數據中的第一文本位置與第二文本位置一致，則確定所述標注數據中文本數據包含的字符個數與所述音頻數據對應的字符個數相等，并確定所述質檢數據滿足所述第一質檢要求；和/或

若所述位置質檢數據中的第一音頻位置與第二音頻位置一致，則確定所述標注數據中文本數據包含的字符個數與所述音頻數據對應的字符個數相等，并確定所述質檢數據滿足所述第一質檢要求；

其中，所述第一文本位置為所述文本特征序列中與所述音頻特征序列中的音頻特征存在對應關系的最后一個第二文本特征在所述文本特征序列中的位置，所述第二文本位置為所述文本特征序列中最后一個第二文本特征在所述文本特征序列中的位置。

5.根據權利要求3所述的方法，其特征在于，所述基于所述質檢數據中包括的位置質檢數據，確定所述標注數據中文本數據包含的字符個數與所述音頻數據對應的字符個數是否相等，以確定所述質檢數據是否滿足預先配置的第一質檢要求，包括：

若所述位置質檢數據的第一文本位置與第二文本位置不一致，則確定所述標注數據中文本數據包含的字符個數與所述音頻數據對應的字符個數不相等，并確定所述質檢數據不滿足所述第一質檢要求；或者

若所述位置質檢數據的第一音頻位置與第二音頻位置不一致，則確定所述標注數據中文本數據包含的字符個數與所述音頻數據對應的字符個數不相等，并確定所述質檢數據不滿足所述第一質檢要求；

其中，所述第一音頻位置為所述音頻序列中與所述文本序列中的第二文本特征存在對應關系的最后一個音頻特征在所述音頻特征序列中的位置；所述第二音頻位置為所述音頻特征序列中最后一個音頻特征在所述音頻特征序列中的第二音頻位置。