[發(fā)明專利]文本生成方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110794502.6
• 申請(qǐng)日: 2021-07-14
• 公開（公告）號(hào): CN113488025A
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 姚曉穎
• 申請(qǐng)（專利權(quán)）人: 維沃移動(dòng)通信（杭州）有限公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/22;G10L15/26;G10L17/00;G10L17/02
• 代理公司: 北京銀龍知識(shí)產(chǎn)權(quán)代理有限公司 11243
• 代理人: 許靜;黃燦

本申請(qǐng)公開了一種文本生成方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，屬于通信領(lǐng)域。所述方法包括：獲取語音數(shù)據(jù)；識(shí)別所述多個(gè)語音片段的特征信息，所述特征信息包括語氣特征、人物特征中的至少一項(xiàng)；基于所述語音數(shù)據(jù)的特征信息，提取所述語音數(shù)據(jù)的關(guān)鍵語音；基于所述關(guān)鍵語音，顯示所述語音數(shù)據(jù)對(duì)應(yīng)的文本。

技術(shù)領(lǐng)域

本申請(qǐng)屬于通信技術(shù)領(lǐng)域，具體涉及一種文本生成方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

會(huì)議、課程等場(chǎng)景下的文本紀(jì)要，通常需要基于錄制的音頻文件或者視頻文件進(jìn)行整理。目前，通常通過對(duì)音頻文件或者視頻文件進(jìn)行處理，將全部語音數(shù)據(jù)轉(zhuǎn)換為文本數(shù)據(jù)，這樣生成的文本較冗長(zhǎng)。

可見，現(xiàn)有技術(shù)中基于語音數(shù)據(jù)生成的文本較冗長(zhǎng)。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例的目的是提供一種文本生成方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，能夠解決現(xiàn)有技術(shù)中基于語音數(shù)據(jù)生成的文本較冗長(zhǎng)的問題。

第一方面，本申請(qǐng)實(shí)施例提供了一種文本生成方法，所述方法包括：

獲取語音數(shù)據(jù)；

識(shí)別所述語音數(shù)據(jù)的特征信息，所述特征信息包括語氣特征、人物特征中的至少一項(xiàng)；

基于所述語音數(shù)據(jù)的特征信息，提取所述語音數(shù)據(jù)的關(guān)鍵語音；

基于所述關(guān)鍵語音，顯示所述語音數(shù)據(jù)對(duì)應(yīng)的文本。

第二方面，本申請(qǐng)實(shí)施例提供了一種文本生成裝置，所述裝置包括：

獲取模塊，用于獲取語音數(shù)據(jù)；

識(shí)別模塊，用于識(shí)別所述語音數(shù)據(jù)的特征信息，所述特征信息包括語氣特征、人物特征中的至少一項(xiàng)；

提取模塊，用于基于所述語音數(shù)據(jù)的特征信息，提取所述語音數(shù)據(jù)的關(guān)鍵語音；

生成模塊，用于基于所述關(guān)鍵語音，顯示所述語音數(shù)據(jù)對(duì)應(yīng)的文本。

第三方面，本申請(qǐng)實(shí)施例提供了一種電子設(shè)備，該電子設(shè)備包括處理器、存儲(chǔ)器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的程序或指令，所述程序或指令被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述的方法的步驟。

第四方面，本申請(qǐng)實(shí)施例提供了一種可讀存儲(chǔ)介質(zhì)，所述可讀存儲(chǔ)介質(zhì)上存儲(chǔ)程序或指令，所述程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述的方法的步驟。

第五方面，本申請(qǐng)實(shí)施例提供了一種芯片，所述芯片包括處理器和通信接口，所述通信接口和所述處理器耦合，所述處理器用于運(yùn)行程序或指令，實(shí)現(xiàn)如第一方面所述的方法。

在本申請(qǐng)實(shí)施例中，獲取語音數(shù)據(jù)；識(shí)別所述多個(gè)語音片段的特征信息，所述特征信息包括語氣特征、人物特征中的至少一項(xiàng)；基于所述語音數(shù)據(jù)的特征信息，提取所述語音數(shù)據(jù)的關(guān)鍵語音；基于所述關(guān)鍵語音，顯示所述語音數(shù)據(jù)對(duì)應(yīng)的文本。這樣基于語音數(shù)據(jù)的特征信息提取語音數(shù)據(jù)的關(guān)鍵語音，從而可以基于關(guān)鍵語音，顯示語音數(shù)據(jù)對(duì)應(yīng)的文本，相比現(xiàn)有技術(shù)中將全部語音數(shù)據(jù)轉(zhuǎn)換得到的文本，本申請(qǐng)實(shí)施例提取文本的更加精煉且重點(diǎn)較為突出。

附圖說明

圖1是本申請(qǐng)實(shí)施例提供的一種文本生成方法的流程圖之一；

圖2是本申請(qǐng)實(shí)施例提供的一種劃分句子級(jí)語音片段的原理示意圖；

圖3是本申請(qǐng)實(shí)施例提供的一種語氣預(yù)測(cè)模型的結(jié)構(gòu)示意圖；

圖4是本申請(qǐng)實(shí)施例提供的一種確定高頻詞組的原理示意圖；

圖5是本申請(qǐng)實(shí)施例提供的一種文本生成方法的流程圖之二；

圖6是本申請(qǐng)實(shí)施例提供的一種文本生成方法的流程圖之三；