CN113113017A - 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，确定会话音频的语音识别结果中的多种会话关键词，其中，多种会话关键词包括会话中待办任务的执行者词、动作词和任务词；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待办任务；根据至少一个关联组合，生成会话的会话纪要。本公开可以通过确定会话音频中的多种会话关键词，准确地确定出会话的关键要素，从而生成准确的会话纪要。并且，本公开可以对不同种的会话关键词进行关联，实现生成准确、简明的会话纪要。

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

语音技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。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三个方面。

在相关技术中，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。

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，确定会话音频的语音识别结果中的多种会话关键词，其中，多种会话关键词包括会话中待办任务的执行者词、动作词和任务词；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待办任务；根据至少一个关联组合，生成会话的会话纪要。

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，确定会话音频的语音识别结果中的多种会话关键词，其中，多种会话关键词包括会话中待办任务的执行者词、动作词和任务词；关联单元，被配置成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待办任务；生成单元，被配置成根据至少一个关联组合，生成会话的会话纪要。

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，可以通过确定会话音频中的多种会话关键词，准确地确定出会话的关键要素，从而生成准确的会话纪要。并且，本公开可以对不同种的会话关键词进行关联，实现生成准确、简明的会话纪要。

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的会话音频等数据进行分析等处理，并将处理结果(例如会话的会话纪要)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，确定会话音频的语音识别结果中的多种会话关键词，其中，多种会话关键词包括会话中待办任务的执行者词、动作词和任务词。

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。

步骤202，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待办任务。

在本实施例中，上述执行主体可以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。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多种会话关键词输入预先训练的模型(比如深度神经网络)，并得到从该模型输出的至少一个关联组合。

步骤203，根据至少一个关联组合，生成会话的会话纪要。

在本实施例中，上述执行主体可以根据至少一个关联组合，生成上述会话的会话纪要。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”，那么会话纪要可以包括“E跟进问题Y，G跟进问题Y”。

本公开的上述实施例提供的方法可以通过确定会话音频中的多种会话关键词，准确地确定出会话的关键要素，从而生成准确的会话纪要。并且，本实施例可以对不同种的会话关键词进行关联，实现生成准确、简明的会话纪要。

在本实施例的一些可选的实现方式中，步骤202可以包括：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

在这些可选的实现方式中，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。

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，进一步提高了会话纪要的准确度。

在这些实现方式的一些可选的应用场景中，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，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下文语句中，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。

在这些可选的应用场景中，上述执行主体可以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，句内关联的结果可以作为至少一个初始关联组合。具体地，句内关联指对相同语句内的会话关键词进行关联。

对于至少一个初始关联组合中的初始关联组合(比如每个初始关联组合)，如果该初始关联组合中缺少任意中的会话关键词，则可以在上文语句中确定该种会话关键词作为目标关键词。从而补充初始关联组合中缺少的会话关键词。在该初始关联组合的上文语句中常常存在疑问词，比如“谁”、“哪个”。在该初始关联组合所在的语句中，常常存在代词，有时则完全被省略。

举例来说，会话中一个语句中包括“这个项目H谁负责”，下一个语句为“这个问题就李四来负责吧”。“这个问题”则是缺少的任务词，需要补充的词答案在其上文语句中。再比如，会话中一个语句中包括“这个项目H谁负责”，下一个语句为“张三”。那么，这里的执行者词就是“张三”。需要补充的词在其下文语句中。

这些应用场景可以将句内关联和上下文关联相结合，更加准确地补充得到至少一个关联组合。

在这些实现方式的一些可选的应用场景中，上述步骤202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。

在这些可选的应用场景中，上述执行主体可以对上述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，句内关联和上下文关联两者的结果为上述至少一个关联组合。

具体地，句内关联指对相同语句内的会话关键词进行关联。上下文关联可以指对不同语句内的会话关键词进行关联。比如，会话中一个语句中包括“这个项目H谁负责”，下一个语句为“张三”。那么，这里的执行者词就是“张三”。

这些应用场景可以将句内关联和上下文关联相结合，更加准确地确定出至少一个关联组合。

可选地，上述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，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；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。

具体地，上述执行主体可以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，句内关联的结果可以作为至少一个初始关联组合。之后，上述执行主体可以对于至少一个初始关联组合中的初始关联组合(比如每个初始关联组合)，在确定该初始关联组合中存在代词的情况下，在该代词的上文语句中，确定代词所指代的会话关键词作为目标关键词，采用该目标关键词替换初始关联组合中的该代词。

举例来说，C说，还有一个问题Y也需要看一下，这个谁来跟进？D说，这个问题E来跟进吧。会话关键词可以包括“这个问题”，其中的“这个”，即是代词。该代词所指代的会话关键词则是任务词“问题Y”。

这些可选的应用场景可以在初步的句内关联后，对代词进行替换，以明确各个关联组合的具体内容，得到更加准确的会话纪要。

在本实施例的一些可选的实现方式中，在步骤202之前，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；步骤202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。

在这些可选的实现方式中，上述执行主体可以在上述多种会话关键词中存在代词的情况下，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，并将该会话关键词作为目标关键词。之后，上述执行主体可以利用目标关键词替换上述多种会话关键词中的该代词，从而得到更新后的多种会话关键词。更新后的多种会话关键词中则不存在该代词，而存在上述目标关键词。

上述执行主体可以在对代词进行替换之后，对相同语句内的不同种的会话关键词进行句内关联。比如，上述执行主体可以对于每个动作词，进行句内关联，也即确定该动作词在相同语句内所关联的其它种词。这样，由每次出现的动作词都可以得到一个关联组合。其中，上述其它种词包括执行者词和任务词。在会话中，可能会省略或采用代词来表示执行者词或者任务词。因此，可以通过对动作词确定相关联的会话关键词，以避免确定的结果为空值的情况。

这些实现方式可以通过确定会话关键词中的代词以及代词所指代的内容，明确会话的准确含义，生成更加精确的会话纪要。

可选地，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。

在这些可选的实现方式中，多种会话关键词(和上述其它种词)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。

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，可以包括：对语音识别结果进行分词，得到至少两个词；将至少两个词与对会话预设的关键词进行匹配，并将匹配得到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。

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，确定会话音频302的语音识别结果中的多种会话关键词303，其中，多种会话关键词包括会话中待办任务的执行者词、动作词和任务词。执行主体301对多种会话关键词303中不同种的会话关键词进行关联，得到至少一个关联组合304，其中，关联组合用于指示执行者采用动作执行待办任务。执行主体301根据至少一个关联组合304，生成会话的会话纪要305。

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，确定会话音频的语音识别结果中的多种会话关键词，其中，多种会话关键词包括会话中待办任务的执行者词、动作词和任务词。

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。

步骤402，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。

在本实施例中，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。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。

步骤403，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。

在本实施例中，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”。

步骤404，按照合并结果，生成会话的会话纪要。

在本实施例中，上述执行主体可以采用各种方式按照合并结果，生成会话的会议纪要。比如上述执行主体可以直接将合并结果作为会话纪要，还可以对合并结果进行指定处理，比如去重处理，并将指定处理的结果作为会话纪要。

本实施例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。

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、关联单元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，确定会话音频的语音识别结果中的多种会话关键词，其中，多种会话关键词包括会话中待办任务的执行者词、动作词和任务词；关联单元502，被配置成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待办任务；生成单元503，被配置成根据至少一个关联组合，生成会话的会话纪要。

在本实施例中，音频的处理装置500的获取单元501、关联单元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和步骤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，所述关联单元，进一步被配置成按照如下方式执行所述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：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。

在本实施例的一些可选的实现方式中，关联单元，进一步被配置成按照如下方式执行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：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下文语句中，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。

在本实施例的一些可选的实现方式中，关联单元，进一步被配置成按照如下方式执行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：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。

在本实施例的一些可选的实现方式中，关联单元，进一步被配置成按照如下方式执行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：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。

在本实施例的一些可选的实现方式中，装置还包括：确定单元，被配置成在对多种会话关键词中不同种的会话关键词进行关联之前，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；替换单元，被配置成利用目标关键词替换代词，得到更新后的多种会话关键词；以及关联单元，进一步被配置成按照如下方式执行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：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。

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。

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根据至少一个关联组合，生成会话的会话纪要：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。

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、关联单元502和生成单元503)。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、关联单元和生成单元。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，生成单元还可以被描述为“根据至少一个关联组合，生成会话的会话纪要的单元”。

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，确定会话音频的语音识别结果中的多种会话关键词，其中，多种会话关键词包括会话中待办任务的执行者词、动作词和任务词；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待办任务；根据至少一个关联组合，生成会话的会话纪要。

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 (21)

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，确定所述会话音频的语音识别结果中的多种会话关键词，其中，所述多种会话关键词包括所述会话中待办任务的执行者词、动作词和任务词；

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，关联组合用于指示执行者采用动作执行待办任务；

根据所述至少一个关联组合，生成所述会话的会话纪要。

2.根据权利要求1所述的方法，其中，所述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，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。

3.根据权利要求2所述的方法，其中，所述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，包括：

对于所述多种会话关键词中，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

对于所述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下文语句中，确定所述任意种的会话关键词作为目标关键词，将所述目标关键词补充到该初始关联组合中；

将补充后的所述至少一个初始关联组合作为所述至少一个关联组合。

4.根据权利要求2所述的方法，其中，所述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，包括：

对所述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，得到所述至少一个关联组合。

5.根据权利要求3所述的方法，其中，所述对所述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，得到所述至少一个关联组合，包括：

对于所述多种会话关键词中，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；

对于所述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，在所述代词的上文语句中，确定所述代词所指代的会话关键词作为目标关键词，利用所述目标关键词替换所述代词；

将替换后的至少一个初始关联组合作为所述至少一个关联组合。

6.根据权利要求1所述的方法，其中，在所述对所述多种会话关键词中不同种的会话关键词进行关联之前，所述方法还包括：

响应于确定所述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，确定所述代词所指代的会话关键词作为目标关键词；

利用所述目标关键词替换所述代词，得到更新后的多种会话关键词；以及

所述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，包括：

对更新后的所述多种会话关键词中，相同语句内不同种的会话关键词进行句内关联，得到所述至少一个关联组合。

7.根据权利要求1-6之一所述的方法，其中，所述多种会话关键词还包括时间词，所述关联组合还用于指示执行待办任务的时间范围。

8.根据权利要求1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，生成所述会话的会话纪要。

9.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个会话关键词。

10.一种音频的处理装置，所述装置包括：

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

关联单元，被配置成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，关联组合用于指示执行者采用动作执行待办任务；

生成单元，被配置成根据所述至少一个关联组合，生成所述会话的会话纪要。

11.根据权利要求9所述的装置，其中，所述关联单元，进一步被配置成按照如下方式执行所述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：

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。

12.根据权利要求11所述的装置，其中，所述关联单元，进一步被配置成按照如下方式执行所述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：

对于所述多种会话关键词中，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

对于所述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下文语句中，确定所述任意种的会话关键词作为目标关键词，将所述目标关键词补充到该初始关联组合中；

将补充后的所述至少一个初始关联组合作为所述至少一个关联组合。

13.根据权利要求11所述的装置，其中，所述关联单元，进一步被配置成按照如下方式执行所述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：

对所述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，得到所述至少一个关联组合。

14.根据权利要求13所述的装置，其中，所述关联单元，进一步被配置成按照如下方式执行所述对所述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，得到所述至少一个关联组合：

对于所述多种会话关键词中，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；

对于所述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，在所述代词的上文语句中，确定所述代词所指代的会话关键词作为目标关键词，利用所述目标关键词替换所述代词；

将替换后的至少一个初始关联组合作为所述至少一个关联组合。

15.根据权利要求10所述的装置，其中，所述装置还包括：

确定单元，被配置成在所述对所述多种会话关键词中不同种的会话关键词进行关联之前，响应于确定所述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，确定所述代词所指代的会话关键词作为目标关键词；

替换单元，被配置成利用所述目标关键词替换所述代词，得到更新后的多种会话关键词；以及

所述关联单元，进一步被配置成按照如下方式执行所述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：

对更新后的所述多种会话关键词中，相同语句内不同种的会话关键词进行句内关联，得到所述至少一个关联组合。

16.根据权利要求10-15之一所述的装置，其中，所述多种会话关键词还包括时间词，所述关联组合还用于指示执行待办任务的时间范围。

17.根据权利要求10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根据所述至少一个关联组合，生成所述会话的会话纪要：

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，生成所述会话的会话纪要。

18.根据权利要求10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个会话关键词。

19.一种电子设备，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1-9中任一项所述的方法。

20.一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1-9中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任一所述的方法。

Images