[發(fā)明專利]語音對話重構(gòu)方法及裝置

在審

• 申請?zhí)枺?/td>: 202110255584.7
• 申請日: 2021-03-09
• 公開（公告）號: CN113450772A
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計）人: 黃銘振;金善泰;池昌真
• 申請（專利權(quán)）人: 語享路有限責(zé)任公司
• 主分類號: G10L15/04
• 分類號: G10L15/04;G10L25/87;G10L13/04
• 代理公司: 北京京萬通知識產(chǎn)權(quán)代理有限公司 11440
• 代理人: 齊曉靜

1.一種語音對話重構(gòu)方法，作為語音對話重構(gòu)裝置的語音對話重構(gòu)方法，其中，包括：

為語音對話獲取對于不同說話者的多個每個說話者語音識別數(shù)據(jù)的步驟；

根據(jù)預(yù)定的劃分標(biāo)準(zhǔn)，使用令牌之間的邊界將多個所述每個說話者語音識別數(shù)據(jù)劃分為多個塊的步驟；

將劃分的所述多個塊與每個說話者無關(guān)地按視覺順序排列多個所述每個說話者語音識別數(shù)據(jù)的步驟；

相對于排列的所述多個塊，通過同一說話者的連續(xù)語音合并塊的步驟；

通過劃分所述視覺順序和說話者，以對話形式重構(gòu)反映合并結(jié)果的所述多個塊的步驟。

2.根據(jù)權(quán)利要求1所述的語音對話重構(gòu)方法，其中，獲得所述每個說話者語音識別數(shù)據(jù)的步驟包括：

獲取以EPD(端點檢測離子)單元產(chǎn)生的每個說話者的第一識別結(jié)果和每個預(yù)設(shè)時間產(chǎn)生的每個說話者的第二識別結(jié)果的步驟；

通過將所述每個說話者的第一識別結(jié)果和所述每個說話者的第二識別結(jié)果組合在一起而不重疊或重復(fù)，生成所述每個說話者語音識別數(shù)據(jù)的步驟。

3.根據(jù)權(quán)利要求2所述的語音對話重構(gòu)方法，其中，在最后的EPD發(fā)生之后，生成所述每個說話者的第二識別結(jié)果。

4.根據(jù)權(quán)利要求1所述的語音對話重構(gòu)方法，其中，所述預(yù)設(shè)劃分標(biāo)準(zhǔn)是預(yù)定時間段以上的靜音時間段，或者先前令牌的形態(tài)特征。

5.根據(jù)權(quán)利要求1所述的語音對話重構(gòu)方法，其中，在所述合并步驟中，根據(jù)預(yù)定時間以下的靜音時間段，或先前令牌的語句特征判斷所述同一說話者的連續(xù)語音。

6.根據(jù)權(quán)利要求2所述的語音對話重構(gòu)方法，其中，還包括在屏幕上輸出以所述對話形式重構(gòu)的語音識別數(shù)據(jù)的步驟，當(dāng)所述屏幕被更新時，針對所述每個說話者的語音識別數(shù)據(jù)被集中地更新，或者執(zhí)行反映所述每個說話者的第一識別結(jié)果。

7.一種語音對話重構(gòu)裝置，其中，包括：用于接收語音對話的輸入單元和用于處理通過所述輸入單元輸入的所述語音對話的語音識別的處理單元，

所述處理單元獲得用于所述語音對話的不同說話者的多個每個說話者的語音識別數(shù)據(jù)，并且根據(jù)預(yù)設(shè)的劃分標(biāo)準(zhǔn)，使用令牌之間的邊界將多個所述每個說話者的語音識別數(shù)據(jù)劃分為多個塊，并且相對于多個所述每個說話者的語音識別數(shù)據(jù)與說話者無關(guān)，以視覺順序排列劃分的所述多個塊，并且相對于排列的所述多個塊，通過同一說話者的連續(xù)語音來合并塊，通過劃分所述視覺順序和說話者，以對話形式重構(gòu)反映所述合并結(jié)果的多個塊。

8.根據(jù)權(quán)利要求7所述的語音對話重構(gòu)裝置，其中，相對于所述語音對話獲取以EPD(端點檢測離子)單元產(chǎn)生的每個說話者的第一識別結(jié)果和每個預(yù)設(shè)時間產(chǎn)生的每個說話者的第二識別結(jié)果，通過將所述每個說話者的第一識別結(jié)果和所述每個說話者的第二識別結(jié)果組合在一起而不重疊或重復(fù)，生成所述每個說話者語音識別數(shù)據(jù)。

9.一種計算機可讀記錄介質(zhì)，作為存儲計算機程序的計算機可讀記錄介質(zhì)，其中，當(dāng)所述計算機程序由處理器執(zhí)行時包括用于執(zhí)行所述處理器的指令，并且所述處理器執(zhí)行的方法包括：為語音對話獲取不同說話者的多個每個說話者的語音識別數(shù)據(jù)的步驟；根據(jù)預(yù)設(shè)的劃分標(biāo)準(zhǔn)，使用令牌之間的邊界將多個所述每個說話者的語音識別數(shù)據(jù)劃分為多個塊的步驟；相對于多個所述每個說話者的語音識別數(shù)據(jù)與說話者無關(guān)，以視覺順序排列劃分的所述多個塊的步驟；相對于排列的所述多個塊，通過同一說話者的連續(xù)語音來合并塊的步驟；通過劃分所述視覺順序和說話者，以對話形式重構(gòu)反映所述合并結(jié)果的多個塊的步驟。

10.一種計算機程序，作為存儲在計算機可讀記錄介質(zhì)上的計算機程序，其中，所述計算機程序由處理器執(zhí)行時包括用于執(zhí)行所述處理器的指令，并且所述處理器執(zhí)行的方法包括：為語音對話獲取不同說話者的多個每個說話者的語音識別數(shù)據(jù)的步驟；根據(jù)預(yù)設(shè)的劃分標(biāo)準(zhǔn)，使用令牌之間的邊界將多個所述每個說話者的語音識別數(shù)據(jù)劃分為多個塊的步驟；相對于多個所述每個說話者的語音識別數(shù)據(jù)與說話者無關(guān)，以視覺順序排列劃分的所述多個塊的步驟；相對于排列的所述多個塊，通過同一說話者的連續(xù)語音來合并塊的步驟；通過劃分所述視覺順序和說話者，以對話形式重構(gòu)反映所述合并結(jié)果的多個塊的步驟。