CN113205814A - 语音数据标注方法、装置、电子设备及存储介质 - Google Patents
语音数据标注方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113205814A CN113205814A CN202110465780.7A CN202110465780A CN113205814A CN 113205814 A CN113205814 A CN 113205814A CN 202110465780 A CN202110465780 A CN 202110465780A CN 113205814 A CN113205814 A CN 113205814A
- Authority
- CN
- China
- Prior art keywords
- voice
- labeling
- text
- labeled
- speech
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000002372 labelling Methods 0.000 title claims abstract description 112
- 238000001514 detection method Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000012217 deletion Methods 0.000 claims description 10
- 230000037430 deletion Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
Abstract
本发明涉及人工智能技术，揭露了一种语音数据标注方法，包括：从原始语音集中筛选得到待标注语音集；利用第一语音识别模型将所述待标注语音集转换为第一文本集；利用第二语音识别模型将所述待标注语音集转换第二文本集；将所述第一文本集与所述第二识别文本集进行相似检测，得到相似度值；根据所述相似度值分析标注方式；采用所述标注方式及预设的标注策略对待标注语音集进行标注处理，得到语音标注数据集。此外，本发明还涉及区块链技术，所述语音标注数据集可存储于区块链的节点。本发明还提出一种语音数据标注装置、电子设备以及计算机可读存储介质。本发明可以提供一种自动标注并提高工作效率的语音数据标注方法。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种语音数据标注方法、装置、电子设备及计算机可读存储介质。
背景技术
目前，语音识别技术已经被广泛应用于人们的日常生活中，如语音助手、导航系统等。现有的语音识别技术通常是由语音识别模型进行语音识别，但一般的语音识别模型往往需要大规模的语音语料数据作为训练数据。所述语音语料数据是通过对语音进行标注得到的标注数据。由于语音语料数据的准确性要求较高，因此目前采用的通过人工对语音进行标注，得到所述语音语料数据的方法，费时费力，效率较低。
发明内容
本发明提供一种语音数据标注方法、装置及计算机可读存储介质，其主要目的在于提供一种自动标注并提高工作效率的语音数据标注方法。
为实现上述目的，本发明提供的一种语音数据标注方法，包括：
从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集；
利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集；
利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集；
将所述第一文本集与所述第二识别文本集进行相似检测，得到相似度值；
根据所述相似度值与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式；
采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集。
可选地，所述从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集，包括：
对所述原始语音集进行噪声去除处理，得到人声语音集；
对所述人声语音集进行方言检测，得到待标注语音集。
可选地，所述对所述原始语音集进行噪声去除处理，得到人声语音集，包括：
对所述原始语音集进行端点检测，得到语音段集；
对所述语音段集进行噪音检测，得到无噪语音集；
对所述无噪语音集进行背景人声检测，得到人声语音集。
可选地，所述利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集，包括：
通过所述第一语音识别模型中的分词模型对待标注语音集进行词语分割，得到词汇语音集；
通过所述第一语音识别模型中的声学模型将所述词汇语音集转化为声学特征，得到语音特征序列；
通过所述传统语音识别系统中的语言模型对所述语音特征序列进行文本匹配，得到第一文本集。
可选地，所述利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集，包括：
将所述待标注语音集转化为声学特征，得到语音特征集；
利用所述第二语音识别模型的输入层计算所述语音特征集的初始状态，得到输入序列；
利用所述第二语音识别模型的隐藏层对所述输入序列进行编码，得到语义特征序列；
利用所述第二语音识别模型的输出层将所述语义特征序列进行文本转换，得到第二文本集。
可选地，所述根据所述相似度与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式，包括：
将所述相似度值与预设的正确率阈值和错误率阈值进行对比；
当所述相似度值大于预设的正确率阈值时，对所述待标注语音集采取自动标注的标注方式；
当所述相似度值小于预设的正确率阈值且大于错误率阈值，对所述待标注语音集采取人工标注的标注方式；
当所述相似度值小于错误率阈值时，对所述待标注语音集采取无效删除的标注方式。
可选地，所述采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集，包括：
在所述标注方式为自动标注时，对所述第一文本集与所述第二识别文本集进行相似检测得到的相似文本进行关键字分析，利用所述关键字作为所述待标注语音集的标签，得到语音标注数据集；
在所述标注方式为人工标注时，将所述待标注语音集转入人工标注模块进行标注处理，并接收所述人工标注模块返回的标注作为所述待标注语音集的标签，得到语音标注数据集；
在所述标注方式为无效删除时，将所述待标注语音数据集进行删除。
为了解决上述问题，本发明还提供一种语音数据标注装置，所述装置包括：
语音筛选模块，用于从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集；
语音识别模块，用于利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集；
利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集；
相似检测模块，用于将所述第一文本集与所述第二识别文本集进行相似检测，得到相似度值；
标注方式确定模块，用于根据所述相似度值与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式；
标注模块，用于采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的语音数据标注方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的语音数据标注方法。
本发明实施例通过从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集，可以去除语音中的人声部分，背景人声部分，噪音部分，提高语音识别的正确率；利用第一语音识别模型和第二语音识别模型将所述待标注语音集转换为文本，并进行相似检测，采用对应的标注方式，及利用预设的标注策略进行标注处理，可以有针对性的将模型不能正确识别的语音部分转入人工标注，提升标注数据的质量和效率。因此本发明提出的语音数据标注方法、装置、电子设备及计算机可读存储介质，可以提高语音数据标注的工作效率。
附图说明
图1为本发明一实施例提供的语音数据标注方法的流程示意图；
图2为本发明一实施例提供的语音数据标注装置的功能模块图；
图3为本发明一实施例提供的实现所述语音数据标注方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种语音数据标注方法。所述语音数据标注方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述语音数据标注方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的语音数据标注方法的流程示意图。在本实施例中，所述语音数据标注方法包括：
S1、从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集。
本发明实施例中，所述原始语音集可以从预设的数据库中获取或从网络上爬取得到，包括，但不限于电话音频、日常谈话音频等。
本发明其中一个实施例中，所述S1包括：
对所述原始语音集进行噪声去除处理，得到人声语音集；对所述人声语音集进行方言检测，得到待标注语音集。
详细地，所述对所述原始语音集进行噪声去除处理，得到人声语音集，包括：
对所述原始语音集进行端点检测，得到语音段集；
对所述语音段集进行噪音检测，得到无噪语音集；
对所述无噪语音集进行背景人声检测，得到人声语音集。
其中，所述端点检测是利用语音端点检测(voice activity detection，VAD)模型识别出语音中有声片段，去除所述待标注语音中的静音部分。所述噪音检测是指识别语音段集中的环境噪音片段，并去除环境噪音。所述背景人声检测是将主说话人声与背景人声进行区分，并去除背景人声，如，在通话音频中，打电话的人说的话是主说话人声，而路人的声音则为背景人声。
进一步地，所述对所述人声语音集进行方言检测，得到待标注语音集，包括：
利用预构建的方言识别模型对所述人声语音集进行方言识别，得到方言语音；
从所述人声语音集中将所述方言语音对应的语音段进行删除，得到待标注语音集。
本发明实施例通过对所述原始语音集依次进行语音端点检测，噪音检测，背景人声检测和方言检测，可以对所述原始语音集进行有效语音部分的筛选，去除噪音、背景人声以及方言等，得到待标注语音集。
S2、利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集。
本发明实施例中，所述第一语音识别模型是指传统语音识别系统，可以将语音转化为文本。本发明其中一个实施例中，所述第一语音识别模型可以是基于GMM-HMM的语音识别系统。
详细地，所述利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集，包括：
通过所述第一语音识别模型中的分词模型对待标注语音集进行词语分割，得到词汇语音集；
通过所述第一语音识别模型中的声学模型将所述词汇语音集转化为声学特征，得到语音特征序列；
通过所述传统语音识别系统中的语言模型对所述语音特征序列进行文本匹配，得到第一文本集。
S3、利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集。
本发明实施例中所述语第二音识别模型是一种与第一语音识别模型识别原理不同的模型，例如，可以是一种基于神经网络的语音识别模型，如FSMN模型，所述第二语音识别模型以声学特征(如梅尔语谱)作为输入，能够产生对应的自然语言文本并输出。
详细地，所述利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集，包括：
将待标注语音集转化为声学特征，得到语音特征集；
利用所述第二语音识别模型的输入层计算所述语音特征集的初始状态，得到输入序列；
利用所述第二语音识别模型的隐藏层对所述输入序列进行编码，得到语义特征序列；
利用所述第二语音识别模型的输出层将所述语义特征序列进行文本转换，得到第二文本集。
S4、将所述第一文本集与所述第二识别文本集进行相似检测，得到相似度值。
详细地，所述S4，包括：
将所述第一文本集与所述第二文本集进行对比，并提取所述第一文本集与第二文本集中的相同部分，得到相似文本；
计算所述相似文本在所述第一文本集与所述第二文本集总和中的占比，得到相似度值。
S5、根据所述相似度值与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式。
本发明实施例将两种不同的语音识别模型识别出的文本进行对比得到相似度值，若所述第一文本集与所述第二文本集相差不大，则所述相似度高，表明对应的语音质量高较高，识别结果即可直接作为对应的语音语料数据，若所述第一文本集与所述第二文本集相差较大，则所述相似度低，表明对应的语音质量较低，识别结果准确性低，不能直接作为语音语料数据，还需进行进一步地处理。
本发明实施例通过将所述相似度值与预设的正确率阈值和错误率阈值的进行对比，根据对比结果，得到所述待标注语音集的标注方式。
本发明实施例中所述标注方式包括自动标注、人工标注及无效删除。
详细地，所述根据所述相似度值与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式，包括：
将所述相似度与预设的正确率阈值和错误率阈值进行对比；
当所述相似度值大于预设的正确率阈值时，对所述待标注语音采取自动标注的标注方式；
当所述相似度值小于预设的正确率阈值且大于错误率阈值，对所述待标注语音采取人工标注的标注方式；
当所述相似度值小于错误率阈值时，对所述待标注语音采取无效删除的标注方式。
S6、采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集。
详细地，所述S6，包括：
在所述标注方式为自动标注时，对所述第一文本集与所述第二识别文本集进行相似检测得到的相似文本进行关键字分析，利用所述关键字作为所述待标注语音集的标签，得到语音标注数据集；
在所述标注方式为人工标注时，将所述待标注语音集转入人工标注模块进行标注处理，并接收所述人工标注模块返回的标注作为所述待标注语音集的标签，得到语音标注数据集；
在所述标注方式为无效删除时，将所述待标注语音数据集进行删除。
进一步地，所述对所述第一文本集与所述第二识别文本集进行相似检测得到的相似文本进行关键字分析，利用所述关键字作为所述待标注语音集的标签，得到语音标注数据集是指将所述相似文本进行分词，并利用预设的关键词提取模型提取出所述相似文本中的关键词，并将所述关键词作为所述待标注语音集的类别标签，并将所述相似文本作为所述待标注语音集对应的标准识别文本，得到语音标注数据集。
可选地，为进一步地强调所述语音标注数据集的安全性和私密性，所述语音标注数据集还可以存储于一区块链的节点中。
本发明实施例可以自动对语音数据进行标注，节省人工标注的的时间，并采用了多种不同的语音识别技术进行识别，可以提升识别准确率，并有效提升识别结果的准确率。
本发明实施例通过从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集，可以去除语音中的人声部分，背景人声部分，噪音部分，提高语音识别的正确率；利用第一语音识别模型和第二语音识别模型将所述待标注语音集转换为文本，并进行相似检测，采用对应的标注方式，及利用预设的标注策略进行标注处理，可以有针对性的将模型不能正确识别的语音部分转入人工标注，提升标注数据的质量和效率。因此本发明提出的语音数据标注方法、装置、电子设备及计算机可读存储介质，可以提高语音数据标注的工作效率。
如图2所示，是本发明一实施例提供的语音数据标注装置的功能模块图。
本发明所述语音数据标注装置100可以安装于电子设备中。根据实现的功能，所述语音数据标注装置100可以包括语音筛选模块101、语音识别模块102、相似检测模块103、标注方式确定模块104及标注模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述语音筛选模块101，用于从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集。
本发明实施例中，所述原始语音集可以从预设的数据库中获取或从网络上爬取得到，包括，但不限于电话音频、日常谈话音频等。
本发明其中一个实施例中，所述语音筛选模块101具体用于：
对所述原始语音集进行噪声去除处理，得到人声语音集；对所述人声语音集进行方言检测，得到待标注语音集。
详细地，所述对所述原始语音集进行噪声去除处理，得到人声语音集，包括：
对所述原始语音集进行端点检测，得到语音段集；
对所述语音段集进行噪音检测，得到无噪语音集；
对所述无噪语音集进行背景人声检测，得到人声语音集。
其中，所述端点检测是利用语音端点检测(voice activity detection，VAD)模型识别出语音中有声片段，去除所述待标注语音中的静音部分。所述噪音检测是指识别语音段集中的环境噪音片段，并去除环境噪音。所述背景人声检测是将主说话人声与背景人声进行区分，并去除背景人声，如，在通话音频中，打电话的人说的话是主说话人声，而路人的声音则为背景人声。
进一步地，所述对所述人声语音集进行方言检测，得到待标注语音集，包括：
利用预构建的方言识别模型对所述人声语音集进行方言识别，得到方言语音；
从所述人声语音集中将所述方言语音对应的语音段进行删除，得到待标注语音集。
本发明实施例通过对所述原始语音集依次进行语音端点检测，噪音检测，背景人声检测和方言检测，可以对所述原始语音集进行有效语音部分的筛选，去除噪音、背景人声以及方言等，得到待标注语音集。
所述语音识别模块102，用于利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集；及
利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集。
本发明实施例中，所述第一语音识别模型是指传统语音识别系统，可以将语音转化为文本。本发明其中一个实施例中，所述第一语音识别模型可以是基于GMM-HMM的语音识别系统。
详细地，在利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集时，所述语音识别模块102具体执行下述操作：
通过所述第一语音识别模型中的分词模型对待标注语音集进行词语分割，得到词汇语音集；
通过所述第一语音识别模型中的声学模型将所述词汇语音集转化为声学特征，得到语音特征序列；
通过所述传统语音识别系统中的语言模型对所述语音特征序列进行文本匹配，得到第一文本集。
本发明实施例中所述语第二音识别模型是一种与第一语音识别模型识别原理不同的模型，例如，可以是一种基于神经网络的语音识别模型，如FSMN模型，所述第二语音识别模型以声学特征(如梅尔语谱)作为输入，能够产生对应的自然语言文本并输出。
详细地，在利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集时，所述语音识别模块102具体执行下述操作：
将待标注语音集转化为声学特征，得到语音特征集；
利用所述第二语音识别模型的输入层计算所述语音特征集的初始状态，得到输入序列；
利用所述第二语音识别模型的隐藏层对所述输入序列进行编码，得到语义特征序列；
利用所述第二语音识别模型的输出层将所述语义特征序列进行文本转换，得到第二文本集。
所述相似检测模块103，用于将所述第一文本集与所述第二识别文本集进行相似检测，得到相似度值。
详细地，所述相似检测模块103具体用于：
将所述第一文本集与所述第二文本集进行对比，并提取所述第一文本集与第二文本集中的相同部分，得到相似文本；
计算所述相似文本在所述第一文本集与所述第二文本集总和中的占比，得到相似度值。
所述标注方式确定模块104，用于根据所述相似度值与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式。
本发明实施例将两种不同的语音识别模型识别出的文本进行对比得到相似度值，若所述第一文本集与所述第二文本集相差不大，则所述相似度高，表明对应的语音质量高较高，识别结果即可直接作为对应的语音语料数据，若所述第一文本集与所述第二文本集相差较大，则所述相似度低，表明对应的语音质量较低，识别结果准确性低，不能直接作为语音语料数据，还需进行进一步地处理。
本发明实施例通过将所述相似度值与预设的正确率阈值和错误率阈值的进行对比，根据对比结果，得到所述待标注语音集的标注方式。
本发明实施例中所述标注方式包括自动标注、人工标注及无效删除。
详细地，所述所述标注方式确定模块104具体用于：
将所述相似度与预设的正确率阈值和错误率阈值进行对比；
当所述相似度值大于预设的正确率阈值时，对所述待标注语音采取自动标注的标注方式；
当所述相似度值小于预设的正确率阈值且大于错误率阈值，对所述待标注语音采取人工标注的标注方式；
当所述相似度值小于错误率阈值时，对所述待标注语音采取无效删除的标注方式。
所述标注模块105，用于采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集。
详细地，所述标注模块105具体用于：
在所述标注方式为自动标注时，对所述第一文本集与所述第二识别文本集进行相似检测得到的相似文本进行关键字分析，利用所述关键字作为所述待标注语音集的标签，得到语音标注数据集；
在所述标注方式为人工标注时，将所述待标注语音集转入人工标注模块进行标注处理，并接收所述人工标注模块返回的标注作为所述待标注语音集的标签，得到语音标注数据集；
在所述标注方式为无效删除时，将所述待标注语音数据集进行删除。
进一步地，所述对所述第一文本集与所述第二识别文本集进行相似检测得到的相似文本进行关键字分析，利用所述关键字作为所述待标注语音集的标签，得到语音标注数据集是指将所述相似文本进行分词，并利用预设的关键词提取模型提取出所述相似文本中的关键词，并将所述关键词作为所述待标注语音集的类别标签，并将所述相似文本作为所述待标注语音集对应的标准识别文本，得到语音标注数据集。
可选地，为进一步地强调所述语音标注数据集的安全性和私密性，所述语音标注数据集还可以存储于一区块链的节点中。
本发明实施例可以自动对语音数据进行标注，节省人工标注的的时间，并采用了多种不同的语音识别技术进行识别，可以提升识别准确率，并有效提升识别结果的准确率。
如图3所示，是本发明一实施例提供的实现语音数据标注方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如语音数据标注程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如语音数据标注程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如语音数据标注程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的语音数据标注程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集；
利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集；
利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集；
将所述第一文本集与所述第二识别文本集进行相似检测，得到相似度值；
根据所述相似度值与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式；
采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，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)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集；
利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集；
利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集；
将所述第一文本集与所述第二识别文本集进行相似检测，得到相似度值；
根据所述相似度值与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式；
采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种语音数据标注方法，其特征在于，所述方法包括：
从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集；
利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集；
利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集；
将所述第一文本集与所述第二识别文本集进行相似检测，得到相似度值；
根据所述相似度值与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式；
采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集。
2.如权利要求1所述的语音数据标注方法，其特征在于，所述从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集，包括：
对所述原始语音集进行噪声去除处理，得到人声语音集；
对所述人声语音集进行方言检测，得到待标注语音集。
3.如权利要求2所述的语音数据标注方法，其特征在于，所述对所述原始语音集进行噪声去除处理，得到人声语音集，包括：
对所述原始语音集进行端点检测，得到语音段集；
对所述语音段集进行噪音检测，得到无噪语音集；
对所述无噪语音集进行背景人声检测，得到人声语音集。
4.如权利要求1所述的语音数据标注方法，其特征在于，所述利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集，包括：
通过所述第一语音识别模型中的分词模型对待标注语音集进行词语分割，得到词汇语音集；
通过所述第一语音识别模型中的声学模型将所述词汇语音集转化为声学特征，得到语音特征序列；
通过所述传统语音识别系统中的语言模型对所述语音特征序列进行文本匹配，得到第一文本集。
5.如权利要求1所述的语音数据标注方法，其特征在于，所述利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集，包括：
将所述待标注语音集转化为声学特征，得到语音特征集；
利用所述第二语音识别模型的输入层计算所述语音特征集的初始状态，得到输入序列；
利用所述第二语音识别模型的隐藏层对所述输入序列进行编码，得到语义特征序列；
利用所述第二语音识别模型的输出层将所述语义特征序列进行文本转换，得到第二文本集。
6.如权利要求1所述的语音数据标注方法，其特征在于，所述根据所述相似度与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式，包括：
将所述相似度值与预设的正确率阈值和错误率阈值进行对比；
当所述相似度值大于预设的正确率阈值时，对所述待标注语音集采取自动标注的标注方式；
当所述相似度值小于预设的正确率阈值且大于错误率阈值，对所述待标注语音集采取人工标注的标注方式；
当所述相似度值小于错误率阈值时，对所述待标注语音集采取无效删除的标注方式。
7.如权利要求6所述的语音数据标注方法，其特征在于，所述采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集，包括：
在所述标注方式为自动标注时，对所述第一文本集与所述第二识别文本集进行相似检测得到的相似文本进行关键字分析，利用所述关键字作为所述待标注语音集的标签，得到语音标注数据集；
在所述标注方式为人工标注时，将所述待标注语音集转入人工标注模块进行标注处理，并接收所述人工标注模块返回的标注作为所述待标注语音集的标签，得到语音标注数据集；
在所述标注方式为无效删除时，将所述待标注语音数据集进行删除。
8.一种语音数据标注装置，其特征在于，所述装置包括：
语音筛选模块，用于从原始语音集中筛选出有效音频，得到由所述有效音频组成的待标注语音集；
语音识别模块，用于利用预构建的第一语音识别模型将所述待标注语音集转换为文本，得到第一文本集；
利用预设的第二语音识别模型将所述待标注语音集转换为文本，得到第二文本集；
相似检测模块，用于将所述第一文本集与所述第二识别文本集进行相似检测，得到相似度值；
标注方式确定模块，用于根据所述相似度值与预设的正确率阈值和错误率阈值的对比结果得到所述待标注语音集的标注方式；
标注模块，用于采用所述标注方式及预设的标注策略，对所述待标注语音集进行标注处理，得到语音标注数据集。
9.一种电子设备，其特征在于，所述电子设备包括：
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如权利要求1至7中任意一项所述的语音数据标注方法。
10.一种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7中任意一项所述的语音数据标注方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110465780.7A CN113205814B (zh) | 2021-04-28 | 2021-04-28 | 语音数据标注方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110465780.7A CN113205814B (zh) | 2021-04-28 | 2021-04-28 | 语音数据标注方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113205814A true CN113205814A (zh) | 2021-08-03 |
| CN113205814B CN113205814B (zh) | 2024-03-12 |
Family
ID=77029184
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110465780.7A Active CN113205814B (zh) | 2021-04-28 | 2021-04-28 | 语音数据标注方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113205814B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114441029A (zh) * | 2022-01-20 | 2022-05-06 | 深圳壹账通科技服务有限公司 | 语音标注系统的录音噪音检测方法、装置、设备及介质 |
| WO2023087767A1 (zh) * | 2021-11-18 | 2023-05-25 | 北京优幕科技有限责任公司 | 适用于语音识别模型的训练数据生成方法及设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7092888B1 (en) * | 2001-10-26 | 2006-08-15 | Verizon Corporate Services Group Inc. | Unsupervised training in natural language call routing |
| CN109065032A (zh) * | 2018-07-16 | 2018-12-21 | 杭州电子科技大学 | 一种基于深度卷积神经网络的外部语料库语音识别方法 |
| CN109065031A (zh) * | 2018-08-02 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 语音标注方法、装置及设备 |
| CN110556093A (zh) * | 2019-09-17 | 2019-12-10 | 浙江核新同花顺网络信息股份有限公司 | 一种语音标注方法及其系统 |
| CN111968629A (zh) * | 2020-07-08 | 2020-11-20 | 重庆邮电大学 | 一种结合Transformer和CNN-DFSMN-CTC的中文语音识别方法 |
| CN112185361A (zh) * | 2020-09-29 | 2021-01-05 | 腾讯科技（深圳）有限公司 | 一种语音识别模型训练方法、装置、电子设备及存储介质 |
-
2021
- 2021-04-28 CN CN202110465780.7A patent/CN113205814B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7092888B1 (en) * | 2001-10-26 | 2006-08-15 | Verizon Corporate Services Group Inc. | Unsupervised training in natural language call routing |
| CN109065032A (zh) * | 2018-07-16 | 2018-12-21 | 杭州电子科技大学 | 一种基于深度卷积神经网络的外部语料库语音识别方法 |
| CN109065031A (zh) * | 2018-08-02 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 语音标注方法、装置及设备 |
| CN110556093A (zh) * | 2019-09-17 | 2019-12-10 | 浙江核新同花顺网络信息股份有限公司 | 一种语音标注方法及其系统 |
| CN111968629A (zh) * | 2020-07-08 | 2020-11-20 | 重庆邮电大学 | 一种结合Transformer和CNN-DFSMN-CTC的中文语音识别方法 |
| CN112185361A (zh) * | 2020-09-29 | 2021-01-05 | 腾讯科技（深圳）有限公司 | 一种语音识别模型训练方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 赖珉;陈一宁;初敏;胡访宇;: "训练数据有限的英文语音重音标注研究", 计算机工程与应用, no. 33, 21 November 2007 (2007-11-21) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023087767A1 (zh) * | 2021-11-18 | 2023-05-25 | 北京优幕科技有限责任公司 | 适用于语音识别模型的训练数据生成方法及设备 |
| CN114441029A (zh) * | 2022-01-20 | 2022-05-06 | 深圳壹账通科技服务有限公司 | 语音标注系统的录音噪音检测方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113205814B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112597312A (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
| CN112447189A (zh) | 语音事件检测方法、装置、电子设备及计算机存储介质 | |
| CN112001175A (zh) | 流程自动化方法、装置、电子设备及存储介质 | |
| CN112560453A (zh) | 语音信息校验方法、装置、电子设备及介质 | |
| CN112527994A (zh) | 情绪分析方法、装置、设备及可读存储介质 | |
| CN113704429A (zh) | 基于半监督学习的意图识别方法、装置、设备及介质 | |
| CN113205814B (zh) | 语音数据标注方法、装置、电子设备及存储介质 | |
| CN113064994A (zh) | 会议质量评估方法、装置、设备及存储介质 | |
| CN112951233A (zh) | 语音问答方法、装置、电子设备及可读存储介质 | |
| CN112507663A (zh) | 基于文本的判断题生成方法、装置、电子设备及存储介质 | |
| CN112667775A (zh) | 基于关键词提示的检索方法、装置、电子设备及存储介质 | |
| CN113268615A (zh) | 资源标签生成方法、装置、电子设备及存储介质 | |
| CN113360654B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
| CN112201253A (zh) | 文字标记方法、装置、电子设备及计算机可读存储介质 | |
| CN115146064A (zh) | 意图识别模型优化方法、装置、设备及存储介质 | |
| CN114186028A (zh) | 咨诉工单处理方法、装置、设备及存储介质 | |
| CN115510188A (zh) | 文本关键词关联方法、装置、设备及存储介质 | |
| CN112712797A (zh) | 语音识别方法、装置、电子设备及可读存储介质 | |
| CN112989043B (zh) | 指代消解方法、装置、电子设备及可读存储介质 | |
| CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
| CN115544256A (zh) | 一种基于nlp算法模型的自动数据分类分级方法及系统 | |
| CN114548114A (zh) | 文本情绪识别方法、装置、设备及存储介质 | |
| CN113254814A (zh) | 网络课程视频打标签方法、装置、电子设备及介质 | |
| CN112597748A (zh) | 语料生成方法、装置、设备及计算机可读存储介质 | |
| CN113627187A (zh) | 命名实体识别方法、装置、电子设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |