CN103186607A

CN103186607A - 分布式语音检索系统

Info

Publication number: CN103186607A
Application number: CN 201110455844
Authority: CN
Inventors: 李丕
Original assignee: DALIAN TTVI TECHNOLOGY Co Ltd
Current assignee: DALIAN TTVI TECHNOLOGY Co Ltd
Priority date: 2011-12-30
Filing date: 2011-12-30
Publication date: 2013-07-03

Abstract

本发明公开了一种分布式语音检索系统，其特征在于包括：语音缓存检索服务器负责检索语音缓存，并更新缓存内关键词被访问的次数，语音缓存中存放的是被用户使用次数最多的关键词；语音最优化检索服务器的数据库中存放的是最优拼音字符串；语音拼音图检索服务器，语音拼音图检索服务器的数据库中存放的是语音文件的拼音图信息。该系统具有结构简单，处理速度快，处理效果好等特点。

Description

分布式语音检索系统

技术领域

本发明涉及一种分布式语音检索系统。

背景技术

要用计算机对视频节目中出现的人的语音、背景音乐等进行处理，将其转换成字符串或具有一定含义的数学形式。通常是将语音信息转化成一个拼音图。通过对拼音图执行搜索，可以得到这段语音中可能出现了那些词语，这些词语出现的概率有多大。拼音串被用来作为搜索拼音图的搜索条件。对于音乐，也可以通过对其波形特征的分析，得到音乐的旋律。经过以上手段处理后得到的数据被称为语音的特征数据。特征数据的数量往往是非常庞大的。在进行基于内容的语音检索时，往往面临着数据量庞大，检索效率低下的问题。必须设法解决。或者较少特征数据的数据量，或者采取特别方式缩小检索范围以提高检索速度。同时，基于内容的语音检索还存在无法准确匹配的问题。

发明内容

本发明针对以上问题的提出，而研制一种分布式语音检索系统。本发明采用的技术手段如下：

一种分布式语音检索系统，其特征在于包括：

语音缓存检索服务器，语音缓存检索服务器负责检索语音缓存，并更新缓存内关键词被访问的次数，语音缓存中存放的是被用户使用次数最多的关键词；

语音最优化检索服务器，语音最优化检索服务器的数据库中存放的是最优拼音字符串，在对一个语音文件进行分析后，会得到对应于各段语音的拼音图，然后，对拼音图执行图搜索算法，得到后验概率最高的若干拼音串，并将它们保存在XML文件中录入语音最优化数据库，当无法从语音缓存中检索到用户给出的关键词时，要检索语音最优化数据库，如果仍然得不到检索结果，则此次检索失败；

语音拼音图检索服务器，语音拼音图检索服务器的数据库中存放的是语音文件的拼音图信息。

还包括：语音缓存条目的添加，语音拼音图检索服务器还运行一个后台作业，该作业每隔10分钟调度一次；语音缓存的更新，当有新的语音节目被添加时，也就是新的XML文件录入数据库时，语音拼音图检索服务器还将启动一个更新操作，该操作首先远程访问语音缓存数据库中的缓存表，得到缓存表中所有的关键词，并以这些关键词为检索条件对新录入的语音节目所对应的所有拼音图执行搜索，将搜索到的结果即关键词出现在哪个节目、所属场景的开始和结束时间、所属镜头的开始和结束时间、关键词所在语音段本身的开始和结束时间和匹配概率更新到语音缓存数据库中。

本发明提供一种分布式语音检索系统，该系统包括一个语音缓存检索服务器，用于对热点语音信息进行保存、检索和维护。一个语音最优化检索服务器，用于对拼音图中后验概率最高的语音字符串进行保存、检索。一个语音拼音图检索服务器，用于对视频节目对应的语音拼音图进行保存、检索和维护。一个用于缓存条目生成、更新和替换的程序包。一组对外的查询和录入接口。

附图说明

图1为基于内容的语音检索系统模块图；

图2为基于内容的语音检索系统结构图；

图3为基于内容的语音检索流程图。

具体实施方式

如图1至图3所示的分布式语音检索系统分为如下几个模块：

语音缓存检索服务器；语音缓存检索服务器负责检索语音缓存，并更新缓存内关键词被访问的次数。语音缓存中存放的是被用户使用次数最多的关键词。初始，语音缓存中是空的。当用户发出检索请求后，首先执行对语音缓存的检索。如果缓存中某些条目的关键词字段与用户的检索条件关键词匹配，则将这些条目返回给用户，并更新这些条目的访问次数字段。如果语音缓存内没有与用户检索条件关键词匹配的条目，则要检索语音最优化数据库。同时，把这个在缓存中检索不到的关键词插入到队列表中。

语音最优化检索服务器；语音最优化检索服务器的数据库中存放的是最优拼音字符串。在对一个语音文件进行分析后，会得到对应于各段语音的拼音图。然后，对拼音图执行图搜索算法，得到后验概率最高的若干拼音串，并将它们保存在XML文件中录入语音最优化数据库。当无法从语音缓存中检索到用户给出的关键词时，要检索语音最优化数据库。如果仍然得不到检索结果，则此次检索失败。为了提高语音最优化检索的速度，要对此处存放的XML文档进行索引。只对XML中最有价值的部分，即拼音串部分，进行索引。使用XML的分段索引。

语音拼音图检索服务器；语音拼音图检索服务器的数据库中存放的是语音文件的拼音图信息。语音拼音图是对一段语音信息最全面的记录。但是，信息完整的代价就是大量的存储空间和低下的搜索效率。如果在数据库中保存拼音图的信息(图的节点和弧的信息)，当需要检索一个拼音图时，再从数据库中读取这些信息交给外部的图搜索算法，则大量的时间都被浪费在了数据库读取数据和外部算法解析数据的操作上。为此，在拼音图XML文档录入数据库时，就将其中的拼音图信息提取出来，保存在一些外部文件中。此后，在需要搜索拼音图时，数据库的检索程序只需给出目标拼音图的出现位置(在哪个节目内的什么时间位置)，然后根据这些位置确定存储相应的拼音图的文件的名字，再把这个文件名告知外部图搜索程序，图搜索程序直接去使用那个文件即可。这样，拼音图的读取操作放在了离线状态下完成，大大减少了在线操作所需的时间。

语音缓存条目的添加；语音拼音图检索服务器还运行一个后台作业。该作业每隔10分钟调度一次。作业首先远程访问语音缓存检索服务器上的队列表(这里存放有用户给出的但目前缓存中不存在的关键词)，从队列表中取出所有关键词，并在语音拼音图数据库中检索这些关键词，将检索到的结果(即关键词出现在哪个节目、所属场景的开始和结束时间、所属镜头的开始和结束时间、关键词所在语音段本身的开始和结束时间和匹配概率)添加到缓存数据库中。最后，删除队列表中的相应关键词条目。通过上面的步骤，检索集群就离线的对用户给出的但缓存中不存在的关键词进行了全面的拼音图搜索。当此后该关键词再次被检索时，语音缓存就可以返回大量的优质的结果。

语音缓存的更新；当有新的语音节目被添加时，也就是新的XML文件录入数据库时，语音拼音图检索服务器还将启动一个更新操作。该操作首先远程访问语音缓存数据库中的缓存表，得到缓存表中所有的关键词，并以这些关键词为检索条件对新录入的语音节目所对应的所有拼音图执行搜索。将搜索到的结果即关键词出现在哪个节目、所属场景的开始和结束时间、所属镜头的开始和结束时间、关键词所在语音段本身的开始和结束时间和匹配概率更新到语音缓存数据库中。通过上面的操作，缓存中关键词的出现位置信息就可以保持最新。由于拼音图的搜索算法相对较为复杂，不能在数据库的存储过程中实现，因此使用外部高级语言程序实现拼音图搜索算法，并将其转换成动态链接库。该动态链接库中的核心搜索算法将与数据库中的函数绑定，这样，数据库内的检索程序就可以调用外部的拼音图搜索算法，使得二者可以协同工作，完成检索。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims

1.一种分布式语音检索系统，其特征在于包括：

2.根据权利要求1所述的一种分布式语音检索系统，其特征在于还包括：语音缓存条目的添加，语音拼音图检索服务器还运行一个后台作业，该作业每隔10分钟调度一次；语音缓存的更新，当有新的语音节目被添加时，也就是新的XML文件录入数据库时，语音拼音图检索服务器还将启动一个更新操作，该操作首先远程访问语音缓存数据库中的缓存表，得到缓存表中所有的关键词，并以这些关键词为检索条件对新录入的语音节目所对应的所有拼音图执行搜索，将搜索到的结果即关键词出现在哪个节目、所属场景的开始和结束时间、所属镜头的开始和结束时间、关键词所在语音段本身的开始和结束时间和匹配概率更新到语音缓存数据库中。