CN113113016B - 音频的处理方法和装置 - Google Patents

Abstract

本公开提供了音频的处理方法和装置，涉及语音技术领域。具体实施方式包括：获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要；将包括所述初始会话纪要的待确认信息，发送给所述执行者词对应的执行者终端；接收所述执行者终端针对所述待确认信息发送的反馈信息，基于所述反馈信息，生成所述会话的目标会话纪要。本公开可以在生成会话纪要之后，先让任务的执行者确认会话是否准确，从而可以有效提高最终生成的会话纪要的准确度。

Description

音频的处理方法和装置

技术领域

本公开涉及计算机技术领域，具体涉及语音技术领域，尤其涉及音频的处理方法和装置。

背景技术

语音技术主要包括特征提取技术、模式匹配准则及模型训练技术。在开会或者上课等会话场景中，语音技术可以对会话的内容进行分析，从而有助于用户对这些场景进行分析和理解。

在相关技术中，往往是通过语音识别技术，直接将语音转换为文字，并将该文字作为会话内容。

发明内容

提供了一种音频的处理方法、装置、电子设备以及存储介质。

根据第一方面，提供了一种音频的处理方法，包括：获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要；将包括初始会话纪要的待确认信息，发送给执行者词对应的执行者终端；接收执行者终端针对待确认信息发送的反馈信息，基于反馈信息，生成会话的目标会话纪要。

根据第二方面，提供了一种音频的处理装置，包括：获取单元，被配置成获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要；发送单元，被配置成将包括初始会话纪要的待确认信息，发送给执行者词对应的执行者终端；生成单元，被配置成接收执行者终端针对待确认信息发送的反馈信息，基于反馈信息，生成会话的目标会话纪要。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行音频的处理方法中任一实施例的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行根据音频的处理方法中任一实施例的方法。

根据第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据音频的处理方法中任一实施例的方法。

根据本公开的方案，可以在生成会话纪要之后，先让任务的执行者确认会话是否准确，从而可以有效提高最终生成的会话纪要的准确度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开一些实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的音频的处理方法的一个实施例的流程图；

图3是根据本公开的音频的处理方法的一个应用场景的示意图；

图4是根据本公开的音频的处理方法的又一个实施例的流程图；

图5是根据本公开的音频的处理装置的一个实施例的结构示意图；

图6是用来实现本公开实施例的音频的处理方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的音频的处理方法或音频的处理装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。

这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。终端设备101、102、103三者的用户可以通过网络104进行会话。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的会话音频等数据进行分析等处理，并将处理结果(例如目标会话纪要)反馈给终端设备。

需要说明的是，本公开实施例所提供的音频的处理方法可以由服务器105或者终端设备101、102、103执行，相应地，音频的处理装置可以设置于服务器105或者终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的音频的处理方法的一个实施例的流程200。该音频的处理方法，包括以下步骤：

步骤201，获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要。

在本实施例中，音频的处理方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以获取会话的会话音频，并根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要。在确定初始会话纪要之前，上述执行主体可以先确定会话音频的语音识别结果中的会话关键词。这里的会话关键词有多种。这里的获取可以指从本地获取，比如录音，也可以指接收其它电子设备发送的会话音频。

多种会话关键词至少可以包括会话中待办任务的执行者词、动作词和任务词。其中，执行者词用于指示待办任务的执行者。这里的执行者词可以是真实姓名、或者代号比如用户在会议系统中的昵称。动作词用于指示待办任务的执行动作，比如跟进、解决、处理、确认、评估、推动等等。任务词用于指示待办任务本身，比如，问题A、项目H等等。

上述执行主体可以采用各种方式，根据多种会话关键词，确定会话的会话纪要，作为初始会话纪要。举例来说，上述执行主体可以直接将会话关键词，组成会话的初始会话纪要。比如，会话关键词包括“张三”、“跟进”和“问题A”，则初始会话纪要可以是“张三跟进问题A”。

步骤202，将包括初始会话纪要的待确认信息，发送给执行者词对应的执行者终端。

在本实施例中，上述执行主体可以将包括初始会话纪要的待确认信息，发送给上述执行者词对应的终端，也即执行者终端。待确认信息用于让执行者终端的用户确认初始会话纪要是否正确。执行者词对应的执行者终端，指执行者词指示的执行者对应的终端(比如执行者所用的终端)。在发送之前，上述执行主体已经确定了每个执行者所对应的终端。

举例来说，将初始会话纪要“张三跟进问题A”，以及分别指示确认该初始会话纪要是否正确的“是”和“否”，发送给张三的终端。这样，张三就能够看到这个初始会话纪要，并选择“是”或“否”。

步骤203，接收执行者终端针对待确认信息发送的反馈信息，基于反馈信息，生成会话的目标会话纪要。

在本实施例中，上述执行主体可以接收上述执行者终端的反馈信息。在实践中，上述执行主体可以采用各种方式基于反馈信息，生成会话的目标会话纪要。比如，用户向执行者终端输入“确认”，并将该确认信息发送给上述执行主体。上述执行主体如果检测到上述的“确认”，则可以直接将初始会话纪要作为目标会话纪要。

本公开的上述实施例提供的方法可以在生成会话纪要之后，先让任务的执行者确认会话是否准确，从而可以有效提高最终生成的会话纪要的准确度。

在本实施例的一些可选的实现方式中，上述会话可以存在于多人参与的总会话中；上述步骤203中的基于反馈信息，生成会话的目标会话纪要，可以包括：响应于确定反馈信息包括初始会话纪要中待办任务的撤销信息，将待确认撤销信息发送给总会话的参与者终端中，执行者终端以外的其它参与者终端；响应于接收到其它参与者终端中的至少一者针对待确认撤销信息返回的否认信息，将初始会话纪要作为目标会话纪要。

在这些可选的实现方式中，上述会话可以存在于总会话中，比如是总会话中的一部分(比如一段会话)，总会话可以包括多段会话。这里的多人指至少两人。

上述执行主体若确定反馈信息包括初始会话纪要中任务的撤销信息，可以向其它参与者终端，发送待确认撤销信息。这里的其它参与者终端是总会话的所有参与者终端中执行者终端以外的终端。其它参与者终端可以是执行者终端以外的所有终端，也可以仅仅是某个或某几个预设终端，比如会话主持人终端。待确认撤销信息可以指示用户确认该初始会话纪要是否需要被撤销。

上述执行主体可以在其它参与者终端指上述预设终端的情况下，若确定返回的信息指示否认了该待确认撤销信息，则可以将上述初始会话纪要作为目标会话纪要。

这些实现方式可以在任务执行者要撤销待办任务的情况下，将撤销的信息发送给其它终端进行确认，避免执行者错误操作造成会话纪要有误的问题。

在本实施例的一些可选的实现方式中，上述多种会话关键词的生成步骤包括：对语音识别结果进行分词，得到至少两个词；确定出至少两个词中，与对会话预设的关键词相匹配的词，并将相匹配的词作为多个会话关键词，并将相匹配的词作为多个会话关键词。

在这些可选的实现方式中，上述执行主体或其它电子设备可以对上述语音识别结果进行分词，分词结果是至少两个词。之后，可以将各个词与预设的关键词进行匹配，以确定出至少两个词中与预设的关键词相匹配的词，并将相匹配的词作为上述多个会话关键词。这里的预设的关键词可以是对于该会话(或者上述总会话)预设的。在实践中，预设的关键词可以包括代词。

这些实现方式可以通过预设的关键词进行匹配，以找到符合要求的关键词，从而确保会话纪要与预期的一致性。

可选地，上述预设的关键词的生成步骤，包括：获取会话的会话预案信息，其中，会话预案信息包括会话主题和会话概要；提取会话预案信息中的多种会话关键词，作为预设的关键词。

具体地，上述执行主体或者其它电子设备可以获取上述会话的会话预案信息，会话预案信息可以包括会话主题和会话概要。具体地，会话概要可以包括会话背景、会话目标、会话涉及的方案和会话涉及的任务也即待办任务。会话预案信息可以指在尚未进行会话时，对会话预期的内容。

上述执行主体可以提取会话预案信息中的多种会话关键词，并将提取的结果作为上述预设的关键词。

这些可选的实现方式可以预先从会话预案中提取与会话相关的关键内容，从而准确地确定预设的关键词。

继续参见图3，图3是根据本实施例的音频的处理方法的应用场景的一个示意图。在图3的应用场景中，执行主体301获取会话的会话音频302，根据所述会话音频302的语音识别结果中的多种会话关键词303，确定会话的初始会话纪要304。执行主体301将包括初始会话纪要304的待确认信息，发送给执行者词对应的执行者终端。执行主体301接收执行者终端针对待确认信息发送的反馈信息305，基于反馈信息305，生成会话的目标会话纪要306。

进一步参考图4，其示出了音频的处理方法的又一个实施例的流程400。该流程400，包括以下步骤：

步骤401，获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要。

在本实施例中，音频的处理方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以获取会话的会话音频，并根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要。这里的会话关键词有多种。这里的获取可以指从本地获取，比如录音，也可以指接收其它电子设备发送的会话音频。

步骤402，将包括初始会话纪要的待确认信息，发送给执行者词对应的执行者终端。

在本实施例中，上述执行主体可以将包括初始会话纪要的待确认信息，发送给上述执行者词对应的终端，也即执行者终端。待确认信息用于让执行者终端的用户确认初始会话纪要是否正确。

步骤403，接收执行者终端针对待确认信息发送的反馈信息。

在本实施例中，上述执行主体可以接收上述执行者终端的反馈信息。

步骤404，响应于确定反馈信息包括初始会话纪要的确认信息，将初始会话纪要作为目标会话纪要。

在本实施例中，上述执行主体若确定反馈信息包括初始会话纪要的确认信息，可以将该初始会话纪要直接作为目标会话纪要。该确认信息指待办任务的执行者确认了初始会话纪要是正确无误的。

步骤405，响应于确定反馈信息包括初始会话纪要的修改信息，根据修改信息，生成目标会话纪要。

在本实施例中，上述执行主体若确定反馈信息包括初始会话纪要的修改信息，可以根据该修改信息，生成目标会话纪要。具体地，该修改信息可以是用户也即任务的执行者指出的修改内容，比如，修改内容指示“问题A修改为问题F”。这样，上述执行主体可以按照该修改内容，修改初始会话纪要。或者修改信息也可以是修改后得到的修改后的初始会话纪要，这样，上述执行主体可以直接将修改信息作为目标会话纪要。

步骤406，响应于确定反馈信息包括初始会话纪要的否认信息，调整初始会话纪要，将调整结果作为目标会话纪要。

在本实施例中，上述执行主体若确定了反馈信息包括初始会议纪要的否认信息，则调整该初始会话纪要，并将调整结果作为目标会话纪要。上述执行主体可以采用各种方式调整初始会话纪要。比如，上述执行主体可以向预设终端(比如会话主持人终端)发送待调整信息，用于指示该预设终端反馈调整结果。或者，上述执行主体可以对初始会话纪要进行预设处理，比如将初始会话纪要中的执行者调整为待定的执行者，比如XX。

这些实现方式可以在用户反馈的不同信息的情况下，采用相应的对策，确定出准确的会话纪要。

在上述任一实施例的一些可选的实现方式中，上述根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要，可以包括：基于会话关键词在会话中的位置，对多种会话关键词中不同种的会话关键词进行关联，得到至少一个关联组合，其中，关联组合用于指示执行者采用动作执行任务；根据至少一个关联组合，生成会话的初始会话纪要。

在这些实现方式中，上述执行主体可以基于会话关键词在会话中的位置，对于上述多种会话关键词中，不同种的会话关键词进行关联，关联的结果为至少一个关联组合。每个关联组合中包括执行者词、动作词和任务词。此外，还可以包括时间词。关联组合可以用于指示执行者词指示的执行者，采用动作词指示的动作执行任务词指示的任务。其中的执行者词、动作词和任务词分别为不同种的会话关键词。

在实践中，上述执行主体可以采用各种方式基于会话关键词在会话中的位置，对不同种的会话关键词进行关联。举例来说，上述执行主体可以将同一句话内的不同种的会话关键词进行关联，作为同一个关联组合。这样，会话有多少句话，则有多少个关联组合。

在实践中，上述执行主体可以采用各种方式根据至少一个关联组合，生成初始会话纪要。举例来说，上述执行主体可以直接生成由至少一个关联组合组成的初始会话纪要。比如，至少一个关联组合包括“E跟进问题Y”和“G跟进问题Y”，那么初始会话纪要可以包括“E跟进问题Y，G跟进问题Y”。

可选地，基于会话关键词在会话中的位置，对多种会话关键词中不同种的会话关键词进行关联，得到至少一个关联组合，可以包括：对于多种会话关键词中，相同语句内不同种的会话关键词进行句内关联，得到至少一个初始关联组合；以及对于至少一个初始关联组合中的初始关联组合，响应于确定该初始关联组合缺少任意种的会话关键词，在该初始关联组合所在语句的上文语句中，确定任意种的会话关键词作为目标关键词，将目标关键词补充到该初始关联组合中；将补充后的至少一个初始关联组合作为至少一个关联组合。

可选地，基于会话关键词在会话中的位置，对多种会话关键词中不同种的会话关键词进行关联，得到至少一个关联组合，可以包括：对多种会话关键词中不同种的会话关键词进行句内关联和上下文关联，得到至少一个关联组合。具体地，上述执行主体对于多种会话关键词中，相同语句内不同种的会话关键词进行句内关联，得到至少一个初始关联组合；对于至少一个初始关联组合中的初始关联组合，响应于确定该初始关联组合中存在代词，在代词的上文语句中，确定代词所指代的会话关键词作为目标关键词，利用目标关键词替换代词；将替换后的至少一个初始关联组合作为至少一个关联组合。

可选地，上述方法还可以包括：响应于确定多种会话关键词中存在代词，在该代词所在语句的上文语句中，确定代词所指代的会话关键词作为目标关键词；利用目标关键词替换代词，得到更新后的多种会话关键词。上述基于会话关键词在会话中的位置，对多种会话关键词中不同种的会话关键词进行关联，得到至少一个关联组合，可以包括：对更新后的多种会话关键词中，相同语句内不同种的会话关键词进行句内关联，得到至少一个关联组合。

这些实现方式可以通过会话关键词的出现位置，对不同种的会话关键词进行准确关联，提高了初始会话纪要的准确度。

可选地，上述根据至少一个关联组合，生成会话的初始会话纪要，可以包括：执行以下关联组合的合并步骤：对执行者词相同的关联组合进行合并，得到指示相同执行者执行不同任务的合并结果；或者对任务词相同的关联组合进行合并，得到指示不同执行者执行相同任务的合并结果；按照合并结果，生成会话的初始会话纪要。

在这些实现方式中，上述执行主体可以对执行者进行合并，或者对任务进行合并，得到合并结果。举例来说，对执行者词相同的关联组合进行合并可以指，关联组合为“张三跟进问题B”、“张三跟进问题G”，合并结果为“张三跟进问题B、G”。对任务词相同的关联组合进行合并可以指，关联组合为“A跟进问题Y”，和“B跟进问题Y”，合并结果为“A、B跟进问题Y”。

上述执行主体可以采用各种方式按照合并结果，生成会话的初始会议纪要。比如上述执行主体可以直接将合并结果作为初始会话纪要，还可以对合并结果进行预指定处理，比如去重处理，并将指定处理的结果作为初始会话纪要。

这些可选的实现方式可以对相同的内容进行合并，从而让生成的会话纪要更加简洁、更加符合人的阅读习惯。

在上述任一实施例的一些可选的实现方式中，多种会话关键词还包括时间词，关联组合还用于指示执行任务的时间范围。

在这些可选的实现方式中，多种会话关键词还可以包括待办任务的时间词。这里的时间词指示执行任务的时间范围。比如，“本周”、“这个月”。

这些实现方式可以通过获取包括时间词的会话关键词，获取执行任务的时间范围，生成更加准确的沟通纪要。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种音频的处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的音频的处理装置500包括：获取单元501、发送单元502和生成单元503。其中，获取单元501，被配置成获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要；发送单元502，被配置成将包括所述初始会话纪要的待确认信息，发送给所述执行者词对应的执行者终端；生成单元503，被配置成接收所述执行者终端针对所述待确认信息发送的反馈信息，基于所述反馈信息，生成所述会话的目标会话纪要。

在本实施例中，音频的处理装置500的获取单元501、发送单元502和生成单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，生成单元，进一步被配置成按照如下方式执行基于反馈信息，生成会话的目标会话纪要：响应于确定反馈信息包括初始会话纪要的确认信息，将初始会话纪要作为目标会话纪要；响应于确定反馈信息包括初始会话纪要的修改信息，根据修改信息，生成目标会话纪要；响应于确定反馈信息包括初始会话纪要的否认信息，调整初始会话纪要，将调整结果作为目标会话纪要。

在本实施例的一些可选的实现方式中，会话存在于多人参与的总会话中；生成单元，进一步被配置成按照如下方式执行基于反馈信息，生成会话的目标会话纪要：响应于确定反馈信息包括初始会话纪要中待办任务的撤销信息，向总会话的参与者终端中执行者终端以外的其它参与者终端，发送待确认撤销信息；响应于接收到其它参与者终端中的至少一者针对待确认撤销信息返回的否认信息，将初始会话纪要作为目标会话纪要。

在本实施例的一些可选的实现方式中，多种会话关键词的生成步骤包括：对语音识别结果进行分词，得到至少两个词；确定出至少两个词中，与对会话预设的关键词相匹配的词，并将相匹配的词作为多个会话关键词。

在本实施例的一些可选的实现方式中，预设的关键词的生成步骤，包括：获取会话的会话预案信息，其中，会话预案信息包括会话主题和会话概要；提取会话预案信息中的多种会话关键词，作为预设的关键词。

在本实施例的一些可选的实现方式中，确定单元，进一步被配置成按照如下方式执行根据会话音频的语音识别结果中的多种会话关键词，确定会话的初始会话纪要：基于会话关键词在会话中的位置，对多种会话关键词中不同种的会话关键词进行关联，得到至少一个关联组合，其中，关联组合用于指示执行者采用动作执行任务；根据至少一个关联组合，生成会话的初始会话纪要。

在本实施例的一些可选的实现方式中，确定单元，进一步被配置成按照如下方式执行根据至少一个关联组合，生成会话的初始会话纪要：执行以下关联组合的合并步骤：对执行者词相同的关联组合进行合并，得到指示相同执行者执行不同任务的合并结果；或者对任务词相同的关联组合进行合并，得到指示不同执行者执行相同任务的合并结果；按照合并结果，生成会话的初始会话纪要。

在本实施例的一些可选的实现方式中，多种会话关键词还包括时间词，关联组合还用于指示执行待办任务的时间范围。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

如图6所示，是根据本公开实施例的音频的处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本公开所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本公开所提供的音频的处理方法。本公开的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本公开所提供的音频的处理方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本公开实施例中的音频的处理方法对应的程序指令/模块(例如，附图5所示的获取单元501、确定单元502、发送单元503和生成单元504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的音频的处理方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据音频的处理电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至音频的处理电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

音频的处理方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与音频的处理电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、发送单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要的单元”。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要；将包括所述初始会话纪要的待确认信息，发送给所述执行者词对应的执行者终端；接收所述执行者终端针对所述待确认信息发送的反馈信息，基于所述反馈信息，生成所述会话的目标会话纪要。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种音频的处理方法，所述方法包括：

获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要，其中，所述多种会话关键词至少包括所述会话中待办任务的执行者词、动作词和任务词；

将包括所述初始会话纪要的待确认信息，发送给所述执行者词对应的执行者终端；

接收所述执行者终端针对所述待确认信息发送的反馈信息，基于所述反馈信息，生成所述会话的目标会话纪要；

所述会话存在于多人参与的总会话中；

所述基于所述反馈信息，生成所述会话的目标会话纪要，包括：

响应于确定所述反馈信息包括所述初始会话纪要中待办任务的撤销信息，向所述总会话的参与者终端中所述执行者终端以外的其它参与者终端，发送待确认撤销信息；

响应于接收到所述其它参与者终端中的至少一者针对所述待确认撤销信息返回的否认信息，将所述初始会话纪要作为所述目标会话纪要。

2.根据权利要求1所述的方法，其中，所述基于所述反馈信息，生成所述会话的目标会话纪要，包括：

响应于确定所述反馈信息包括所述初始会话纪要的确认信息，将所述初始会话纪要作为所述目标会话纪要；

响应于确定所述反馈信息包括所述初始会话纪要的修改信息，根据所述修改信息，生成所述目标会话纪要；

响应于确定所述反馈信息包括所述初始会话纪要的否认信息，调整所述初始会话纪要，将调整结果作为所述目标会话纪要。

3.根据权利要求1所述的方法，其中，所述多种会话关键词的生成步骤包括：

对所述语音识别结果进行分词，得到至少两个词；

确定出所述至少两个词中，与对所述会话预设的关键词相匹配的词，并将相匹配的词作为所述多种会话关键词。

4.根据权利要求3所述的方法，其中，所述预设的关键词的生成步骤，包括：

获取所述会话的会话预案信息，其中，所述会话预案信息包括会话主题和会话概要；

提取所述会话预案信息中的多种会话关键词，作为所述预设的关键词。

5.根据权利要求1-4之一所述的方法，其中，所述根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要，包括：

基于会话关键词在会话中的位置，对所述多种会话关键词中不同种的会话关键词进行关联，得到至少一个关联组合，其中，所述关联组合用于指示执行者采用动作执行任务；

根据所述至少一个关联组合，生成所述会话的初始会话纪要。

6.根据权利要求5所述的方法，其中，所述根据所述至少一个关联组合，生成所述会话的初始会话纪要，包括：

执行以下关联组合的合并步骤：对执行者词相同的关联组合进行合并，得到指示相同执行者执行不同任务的合并结果；或者对任务词相同的关联组合进行合并，得到指示不同执行者执行相同任务的合并结果；

按照合并结果，生成所述会话的初始会话纪要。

7.根据权利要求1-4之一所述的方法，其中，所述多种会话关键词还包括时间词，关联组合还用于指示执行待办任务的时间范围。

8.一种音频的处理装置，所述装置包括：

获取单元，被配置成获取会话的会话音频，根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要，其中，所述多种会话关键词至少包括所述会话中待办任务的执行者词、动作词和任务词；

发送单元，被配置成将包括所述初始会话纪要的待确认信息，发送给所述执行者词对应的执行者终端；

生成单元，被配置成接收所述执行者终端针对所述待确认信息发送的反馈信息，基于所述反馈信息，生成所述会话的目标会话纪要；

所述会话存在于多人参与的总会话中；

所述生成单元，进一步被配置成按照如下方式执行所述基于所述反馈信息，生成所述会话的目标会话纪要：

响应于确定所述反馈信息包括所述初始会话纪要中待办任务的撤销信息，向所述总会话的参与者终端中所述执行者终端以外的其它参与者终端，发送待确认撤销信息；响应于接收到所述其它参与者终端中的至少一者针对所述待确认撤销信息返回的否认信息，将所述初始会话纪要作为所述目标会话纪要。

9.根据权利要求8所述的装置，其中，所述生成单元，进一步被配置成按照如下方式执行所述基于所述反馈信息，生成所述会话的目标会话纪要：

响应于确定所述反馈信息包括所述初始会话纪要的确认信息，将所述初始会话纪要作为所述目标会话纪要；

响应于确定所述反馈信息包括所述初始会话纪要的修改信息，根据所述修改信息，生成所述目标会话纪要；

响应于确定所述反馈信息包括所述初始会话纪要的否认信息，调整所述初始会话纪要，将调整结果作为所述目标会话纪要。

10.根据权利要求8所述的装置，其中，所述多种会话关键词的生成步骤包括：

对所述语音识别结果进行分词，得到至少两个词；

确定出所述至少两个词中，与对所述会话预设的关键词相匹配的词，并将相匹配的词作为所述多种会话关键词。

11.根据权利要求10所述的装置，其中，所述预设的关键词的生成步骤，包括：

获取所述会话的会话预案信息，其中，所述会话预案信息包括会话主题和会话概要；

提取所述会话预案信息中的多种会话关键词，作为所述预设的关键词。

12.根据权利要求8-11之一所述的装置，其中，确定单元，进一步被配置成按照如下方式执行所述根据所述会话音频的语音识别结果中的多种会话关键词，确定所述会话的初始会话纪要：

基于会话关键词在会话中的位置，对所述多种会话关键词中不同种的会话关键词进行关联，得到至少一个关联组合，其中，所述关联组合用于指示执行者采用动作执行任务；

根据所述至少一个关联组合，生成所述会话的初始会话纪要。

13.根据权利要求12所述的装置，其中，所述确定单元，进一步被配置成按照如下方式执行所述根据所述至少一个关联组合，生成所述会话的初始会话纪要：

执行以下关联组合的合并步骤：对执行者词相同的关联组合进行合并，得到指示相同执行者执行不同任务的合并结果；或者对任务词相同的关联组合进行合并，得到指示不同执行者执行相同任务的合并结果；

按照合并结果，生成所述会话的初始会话纪要。

14.根据权利要求8-11之一所述的装置，其中，所述多种会话关键词还包括时间词，关联组合还用于指示执行待办任务的时间范围。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

Images