CN112487767A

CN112487767A - 语音文本标注方法、装置、服务器及计算机可读存储介质

Info

Publication number: CN112487767A
Application number: CN202011587672.9A
Authority: CN
Inventors: 聂镭; 齐凯杰; 聂颖
Original assignee: Longma Zhixin Zhuhai Hengqin Technology Co ltd
Current assignee: Longma Zhixin Zhuhai Hengqin Technology Co ltd
Priority date: 2020-12-29
Filing date: 2020-12-29
Publication date: 2021-03-12

Abstract

本申请实施例适用于语音处理技术领域，提供了一种语音文本标注方法、装置、服务器及计算机可读存储介质，该方法包括：获取待标注语音文本；提取待标注语音文本的特征文本；对待标注语音文本按预设滑动窗口以预设步长进行滑动，得到窗口文本；根据特征文本对窗口文本进行校验的结果，对窗口文本进行标注，得到已标注语音文本；发送已标注语音文本至用户终端。可见，本申请通过提取待标注语音文本的特征文本对待标注语音文本的窗口文本进行校验，从而实现对待标注语音文本中错误地方进行标注，不需要人工查验全部的待标注语音文本，降低人工成本。

Description

语音文本标注方法、装置、服务器及计算机可读存储介质

技术领域

本申请属于语音处理技术领域，尤其涉及一种语音文本标注方法、装置、服务器及计算机可读存储介质。

背景技术

训练语音识别时候，需要大量的语音文本标注数据。标注语音数据全由人工标注，需要花费大量的人力成本。所以，一般借助通用或者开源的语音识别系统，对待标注的语音数据进行识别，将语音文本标注任务转换成为标注纠错任务，再由人工对由语音识别系统标注的音频进行查验和标注错误进行纠正。然而，人工对所有的标注数据进行查验和纠正依然是繁重的工作。

发明内容

有鉴于此，本申请实施例提供了一种语音文本标注方法、装置、服务器及计算机可读存储介质，以解决现有技术中需要对标注数据完全依靠人工查验的问题。

本申请实施例的第一方面提供了一种语音文本标注方法，包括：

获取待标注语音文本；

提取所述待标注语音文本的特征文本；

对所述待标注语音文本按预设滑动窗口以预设步长进行滑动，得到窗口文本；

根据所述特征文本对所述窗口文本进行校验的结果，对所述窗口文本进行标注，得到已标注语音文本；

发送所述已标注语音文本至用户终端。

在第一方面的一种可能的实现方式中，提取所述待标注语音文本的特征文本，包括：

利用预设工具包从待标注语音文本中确定出所述特征文本。

在第一方面的一种可能的实现方式中，根据所述特征文本对所述窗口文本进行校验的结果，对所述窗口文本进行标注，得到已标注语音文本，包括：

根据所述特征文本计算所述窗口文本的特征值；

当所述特征值小于特征阈值时，确认特征值小于特征阈值的所述窗口文本为非标准文本；

标注所述非标准文本，形成所述已标注语音文本。

在第一方面的一种可能的实现方式中，根据所述特征文本对所述窗口文本进行校验的结果，对所述窗口文本进行标注，得到已标注语音文本之前，包括：

获取与所述待标注语音文本对应的携带有标注的语音文本样本；

根据所述语音文本样本对所述已标注语音文本进行检验的结果确定所述特征阈值。

本申请实施例的第二方面提供了一种语音标注装置，包括：

获取模块，用于获取待标注语音文本；

提取模块，用于提取所述待标注语音文本的特征文本；

滑动模块，用于对所述待标注语音文本按预设滑动窗口以预设步长进行滑动，得到窗口文本；

标注模块，用于根据所述特征文本对所述窗口文本进行校验的结果，对所述窗口文本进行标注，得到已标注语音文本；

发送模块，用于发送所述已标注语音文本至用户终端。

在第二方面的一种可能的实现方式中，所述提取模块包括：

确定单元，用于利用预设工具包从待标注语音文本中确定出所述特征文本。

在第二方面的一种可能的实现方式中，所述标注模块包括：

计算单元，用于根据所述特征文本计算所述窗口文本的特征值；

确认单元，用于当所述特征值小于特征阈值时，确认特征值小于特征阈值的所述窗口文本为非标准文本；

标注单元，用于标注所述非标准文本，形成所述已标注语音文本。

在第二方面的一种可能的实现方式中，所述装置还包括：

样本获取单元板，用于获取与所述待标注语音文本对应的携带有标注的语音文本样本；

检验单元，用于根据所述语音文本样本对所述已标注语音文本进行检验的结果确定所述特征阈值。

本申请实施例的第三方面提供了一种服务器，包括：存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述方法的各个步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，包括：计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述提取方法的各个步骤。

本申请实施例与现有技术相比存在的有益效果是：

本申请实施例中，服务器通过提取待标注语音文本的特征文本对待标注语音文本的窗口文本进行校验，从而实现对待标注语音文本中错误地方进行标注，不需要人工查验全部的待标注语音文本，降低人工成本。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的语音文本标注系统的结构示意图；

图2是本申请实施例提供的语音文本标注方法的流程示意图；

图3是本申请实施例提供的语音文本标注装置的结构示意图；

图4是本申请实施例提供的服务器的示意图；

图5是本申请实施例提供的语音文本标注方法的图2中窗口文本的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

参见图1，为本申请实施例提供的语音文本标注系统1的结构示意图，包括服务器10，与服务器10连接的用户终端20，其中，服务器可以是云端服务器等计算设备，用户终端可以是指用户携带的手机、笔记本等移动设备。

服务器用于获取待标注语音文本；提取待标注语音文本的特征文本；对待标注语音文本按预设滑动窗口以预设步长进行滑动，得到窗口文本；根据特征文本对窗口文本进行校验的结果，对窗口文本进行标注，得到已标注语音文本；发送已标注语音文本至用户终端。

用户终端用于接收已标注语音文本，显示已标注文本至用户。

可以理解的是，本申请通过服务器将语音文本的错误地方主动标注出来，并发送至用户，再由人工对错误地方进行查验，而不是由人工查验全部的语音文本，达到降低了人工成本的效果。

优选的，服务器还具体用于：利用预设工具包从待标注语音文本中确定出特征文本。

进一步优选的，服务器还具体用于：根据特征文本计算窗口文本的特征值；当特征值小于特征阈值时，确认该窗口文本为非标准文本；标注非标准文本，形成已标注语音文本。

更进一步优选的，服务器还用于：获取与待标注语音文本对应的携带有标注的语音文本样本；根据语音文本样本对已标注语音文本进行检验的结果确定特征阈值。

本申请实施例中，通过提取待标注语音文本的特征文本对待标注语音文本的窗口文本进行校验，从而实现对待标注语音文本中错误地方进行标注，不需要人工查验全部的待标注语音文本，降低人工成本。

下面介绍服务器侧的工作流程。

参见图2，为本申请实施例提供的语音文本标注方法的流程示意图，该方法应用于上述的服务器，该方法包括以下步骤：

步骤S201、获取待标注语音文本。

步骤S202、提取待标注语音文本的特征文本。

示例性地，提取待标注语音文本的特征文本，包括：

利用预设工具包从待标注语音文本中确定出所述特征文本。

其中，预设工具包可以是nlkt工具包。

可以理解的是，本申请基于N-Gram思想，N-Gram是一种基于统计语言模型的算法。它的基本思想是将文本里面的内容按照字节进行大小为N的滑动窗口操作，形成了长度是N的字节片段序列。每一个字节片段称为gram，对所有gram的出现频度进行统计，并且按照事先设定好的阈值进行过滤，形成关键gram列表，也就是这个文本的向量特征空间，列表中的每一种gram就是一个特征向量维度。该模型基于这样一种假设，第N个词的出现只与前面N-1个词相关，而与其它任何词都不相关，整句的概率就是各个词出现概率的乘积。读取语音语料的文本后，使用nltk工具包对文本提取ngram特征。在此例子中，ngram的n=2。举例子说明：文本为“训练语音识别时候需要大量的语音标注数目”，提取ngram特征得到的特征文本为[(“训”，“练”)，(“练”，“语”)，(“语”，“音”)，(“音”，“识”)，(“识”，“别”)，(“别”，“识”)，(“时”，“候”)，(“候”，“需”)，(“需”，“要”)，(“要”，“大”)，(“量”，“的”)，(“的”，“语”)，(“语”，“音”)，(“音”，“标”)，(“标”，“注”)，(“注”，“数”)，(“数”，“目”)]。

步骤S203、对待标注语音文本按预设滑动窗口以预设步长进行滑动，得到窗口文本。

例如，如图5所示，预设滑动窗口的长度为7，预设步长为1个字，对“训练语音识别时候需要大量的语音文本标注数据”进行滑窗取字。

步骤S204、根据特征文本对窗口文本进行校验的结果，对窗口文本进行标注，得到已标注语音文本。

示例性地，根据特征文本对窗口文本进行校验的结果，对窗口文本进行标注，得到已标注语音文本，包括：

第一步、根据特征文本计算窗口文本的特征值。

可以理解的是，参见图5中第一个窗口文本，对应的句子为“训练语音识别时”，它存在六个2gram特征，计算这六个2gram特征的乘积，得到该窗口文本的分数，即该窗口文本的特征值。

第二步、当特征值小于特征阈值时，确认特征值小于特征阈值的窗口文本为非标准文本。

其中，特征阈值是指符合正确标注标准的阈值，特征值大于特征阈值表示该窗口文本符合标注标准。

第三步、标注非标准文本，形成已标注语音文本。

在一种可选的实施方式中，根据特征文本对窗口文本进行校验的结果，对窗口文本进行标注，得到已标注语音文本之前，包括：

第一步、获取与待标注语音文本对应的携带有标注的语音文本样本。

其中，可以在本地数据库获取也可以是从外部服务器获取。

第二步、根据语音文本样本对已标注语音文本进行检验的结果确定特征阈值。

其中，检验方式可以是相似度计算（例如编辑距离等计算方式）的结果作为特征阈值。

可以理解的是，本申请实施例可以获取语音文本样本来确定出特征阈值。

步骤S205、发送已标注语音文本至用户终端。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

下面将对本申请实施例提供的语音文本标注装置进行介绍说明。本实施例的语音文本标注装置与上述方法相互对应。

图3是本申请实施例提供的一种语音文本标注装置的结构示意图，该装置可以具体集成于服务器，该装置可以包括：

获取模块31，用于获取待标注语音文本；

提取模块32，用于提取所述待标注语音文本的特征文本；

滑动模块33，用于对所述待标注语音文本按预设滑动窗口以预设步长进行滑动，得到窗口文本；

标注模块34，用于根据所述特征文本对所述窗口文本进行校验的结果，对所述窗口文本进行标注，得到已标注语音文本；

发送模块35，用于发送所述已标注语音文本至用户终端。

在一种可能的实现方式中，所述提取模块包括：

在一种可能的实现方式中，所述标注模块包括：

在一种可能的实现方式中，所述装置还包括：

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图3是本申请实施例提供的服务器3的示意图。如图3所示，该实施例的服务器3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个方法实施例中的步骤。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能。

示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述服务器3中的执行过程。

所述服务器3可以是云端服务器等计算设备。所述服务器3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是服务器3的示例，并不构成对服务器3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述服务器3还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器31可以是所述服务器3的内部存储单元，例如服务器3的硬盘或内存。所述存储器31也可以是所述服务器3的外部存储设备，例如所述服务器3上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器31还可以既包括所述服务器3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述服务器3所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的终端设备和方法，可以通过其它的方式实现。例如，以上所描述的终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims

1.一种语音文本标注方法，其特征在于，该方法包括：

获取待标注语音文本；

提取所述待标注语音文本的特征文本；

发送所述已标注语音文本至用户终端。

2.如权利要求1所述的一种语音文本标注方法，其特征在于，提取所述待标注语音文本的特征文本，包括：

利用预设工具包从待标注语音文本中确定出所述特征文本。

3.如权利要求1所述的一种语音文本标注方法，其特征在于，根据所述特征文本对所述窗口文本进行校验的结果，对所述窗口文本进行标注，得到已标注语音文本，包括：

根据所述特征文本计算所述窗口文本的特征值；

标注所述非标准文本，形成所述已标注语音文本。

4.如权利要求3所述的一种语音文本标注方法，其特征在于，根据所述特征文本对所述窗口文本进行校验的结果，对所述窗口文本进行标注，得到已标注语音文本之前，包括：

5.一种语音文本标注装置，其特征在于，该装置包括：

获取模块，用于获取待标注语音文本；

提取模块，用于提取所述待标注语音文本的特征文本；

发送模块，用于发送所述已标注语音文本至用户终端。

6.如权利要求5所述的一种语音文本标注装置，其特征在于，所述提取模块包括：

7.如权利要求5所述的一种语音文本标注装置，其特征在于，所述标注模块包括：

8.如权利要求7所述的一种语音文本标注装置，其特征在于，所述装置还包括：

9.服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述。

10.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的各个步骤。