[發(fā)明專(zhuān)利]音頻標(biāo)注方法、裝置、計(jì)算機(jī)可讀介質(zhì)及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202111186201.1
• 申請(qǐng)日: 2021-10-12
• 公開(kāi)（公告）號(hào): CN113903364A
• 公開(kāi)（公告）日: 2022-01-07
• 發(fā)明（設(shè)計(jì)）人: 楊聲鐘
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類(lèi)號(hào): G10L25/87
• 分類(lèi)號(hào): G10L25/87;G10L25/51;G10L15/04;G06K9/62;G06F16/332;G06F16/33;G06F9/451
• 代理公司: 深圳市隆天聯(lián)鼎知識(shí)產(chǎn)權(quán)代理有限公司 44232
• 代理人: 孫強(qiáng)

本申請(qǐng)屬于人工智能技術(shù)領(lǐng)域，具體涉及一種音頻標(biāo)注方法、標(biāo)注裝置、計(jì)算機(jī)可讀介質(zhì)以及電子設(shè)備；本申請(qǐng)通過(guò)建立音頻進(jìn)度條，并自動(dòng)識(shí)別音頻文件中的機(jī)器語(yǔ)音片段和用戶話術(shù)片段，然后獲取用戶話術(shù)片段對(duì)應(yīng)的標(biāo)注標(biāo)簽，并自動(dòng)在音頻進(jìn)度條上形成帶有標(biāo)注標(biāo)簽的標(biāo)注點(diǎn)，利用本申請(qǐng)的方法進(jìn)行音頻標(biāo)注，用戶可以選擇性的聽(tīng)用戶話術(shù)片段來(lái)進(jìn)行標(biāo)注，標(biāo)注效率高，標(biāo)注準(zhǔn)確性高；同時(shí)，本申請(qǐng)標(biāo)注的內(nèi)容可以直觀的顯示在音頻進(jìn)度條上，方便用戶對(duì)音頻中內(nèi)容的快速定位，方便人工對(duì)AI對(duì)話進(jìn)行快速?gòu)?fù)核，以實(shí)現(xiàn)對(duì)AI機(jī)器人的優(yōu)化。

技術(shù)領(lǐng)域

本申請(qǐng)屬于人工智能技術(shù)領(lǐng)域，具體涉及一種音頻標(biāo)注方法、音頻標(biāo)注裝置、計(jì)算機(jī)可讀介質(zhì)以及電子設(shè)備。

背景技術(shù)

隨著科技的進(jìn)步，人工智能(AI)領(lǐng)域發(fā)展迅速，在人工智能的語(yǔ)音對(duì)話領(lǐng)域，現(xiàn)有的客服平臺(tái)已經(jīng)能夠?qū)崿F(xiàn)機(jī)器人與用戶的語(yǔ)音對(duì)話，而在這個(gè)對(duì)話過(guò)程中，機(jī)器人需要識(shí)別用戶話術(shù)，理解用戶話術(shù)的真實(shí)含義，才能進(jìn)行有效的溝通。

為了提高AI機(jī)器人對(duì)用戶話術(shù)的理解能力，常常需要對(duì)已生成的對(duì)話音頻進(jìn)行人工復(fù)核并根據(jù)復(fù)核結(jié)果進(jìn)行標(biāo)注，然后根據(jù)標(biāo)注內(nèi)容對(duì)AI機(jī)器人進(jìn)行優(yōu)化。然而，現(xiàn)有的對(duì)話音頻標(biāo)注需要人工一邊聽(tīng)錄音，一邊暫停標(biāo)注，整個(gè)過(guò)程步驟繁瑣，標(biāo)注效率低；而且由于暫停需要反應(yīng)時(shí)間、機(jī)器接收需要響應(yīng)時(shí)間，經(jīng)常會(huì)出現(xiàn)標(biāo)記點(diǎn)和實(shí)際的用戶話術(shù)點(diǎn)存在誤差的情況，標(biāo)注不準(zhǔn)確，同時(shí)，現(xiàn)有的標(biāo)注方法也無(wú)法直接將標(biāo)注的內(nèi)容顯示在進(jìn)度條上，不利于音頻文件中用戶話術(shù)的定位。

需要說(shuō)明的是，在上述背景技術(shù)部分公開(kāi)的信息僅用于加強(qiáng)對(duì)本申請(qǐng)的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本申請(qǐng)的目的在于提供一種音頻標(biāo)注方法、音頻標(biāo)注裝置、計(jì)算機(jī)可讀介質(zhì)以及電子設(shè)備，至少在一定程度上克服相關(guān)技術(shù)中音頻標(biāo)注效率低；標(biāo)注準(zhǔn)確性差，標(biāo)注的內(nèi)容無(wú)法直觀的顯示在進(jìn)度條上等技術(shù)問(wèn)題。

本申請(qǐng)的其他特性和優(yōu)點(diǎn)將通過(guò)下面的詳細(xì)描述變得顯然，或部分地通過(guò)本申請(qǐng)的實(shí)踐而習(xí)得。

根據(jù)本申請(qǐng)實(shí)施例的一個(gè)方面，提供一種音頻標(biāo)注方法，所述方法包括：

獲取音頻文件，根據(jù)所述音頻文件的音頻時(shí)長(zhǎng)建立音頻進(jìn)度條，所述音頻文件包括人機(jī)交互對(duì)話中的機(jī)器語(yǔ)音片段和用戶話術(shù)片段；

識(shí)別所述音頻文件中的機(jī)器語(yǔ)音片段和用戶話術(shù)片段，并記錄所述用戶話術(shù)片段在所述音頻文件中的起始時(shí)間；

獲取所述用戶話術(shù)片段的標(biāo)注標(biāo)簽；所述標(biāo)注標(biāo)簽包括用戶對(duì)所述用戶話術(shù)片段做的標(biāo)注內(nèi)容；

基于所述起始時(shí)間，在所述音頻進(jìn)度條上生成標(biāo)注點(diǎn)，將所述標(biāo)注標(biāo)簽嵌入到所述標(biāo)注點(diǎn)上。

根據(jù)本申請(qǐng)實(shí)施例的一個(gè)方面，提供一種音頻標(biāo)注裝置，包括：

進(jìn)度條建立模塊，被配置為獲取音頻文件，根據(jù)所述音頻文件的音頻時(shí)長(zhǎng)建立音頻進(jìn)度條，所述音頻文件包括人機(jī)交互對(duì)話中的機(jī)器語(yǔ)音片段和用戶話術(shù)片段；

識(shí)別模塊，被配置為識(shí)別所述音頻文件中的機(jī)器語(yǔ)音片段和用戶話術(shù)片段，并記錄所述用戶話術(shù)片段在所述音頻文件中的起始時(shí)間；

標(biāo)簽獲取模塊，被配置為獲取所述用戶話術(shù)片段的標(biāo)注標(biāo)簽；所述標(biāo)注標(biāo)簽包括用戶對(duì)所述用戶話術(shù)片段做的標(biāo)注內(nèi)容；

標(biāo)注模塊，被配置為基于所述起始時(shí)間，在所述音頻進(jìn)度條上生成標(biāo)注點(diǎn)，將所述標(biāo)注標(biāo)簽嵌入到所述標(biāo)注點(diǎn)上。

在本申請(qǐng)的一些實(shí)施例中，基于以上技術(shù)方案，所述進(jìn)度條建立模塊包括：

進(jìn)度條特征獲取單元，被配置為獲取音頻文件、第一觸摸點(diǎn)和第二觸摸點(diǎn)；

連線單元，被配置為將所述第一觸摸點(diǎn)和所述第二觸摸點(diǎn)的連線作為初始進(jìn)度條；