CN113571143A - 一种音频信息处理方法及装置 - Google Patents
一种音频信息处理方法及装置 Download PDFInfo
- Publication number
- CN113571143A CN113571143A CN202110855283.8A CN202110855283A CN113571143A CN 113571143 A CN113571143 A CN 113571143A CN 202110855283 A CN202110855283 A CN 202110855283A CN 113571143 A CN113571143 A CN 113571143A
- Authority
- CN
- China
- Prior art keywords
- audio information
- determining
- target audio
- voice source
- target
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 28
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供一种音频信息处理方法、装置、电子设备及存储介质,通过获取目标音频信息,其中,目标音频信息包括对受试者的随访录音;确定目标音频信息的语音源体个数;根据语音源体个数确定目标音频信息的语音源体可信度;对目标音频信息进行文字识别,得到目标文本信息;确定预设关键词词库与目标文本信息的匹配度;确定目标音频信息的时间长度;根据语音源体可信度、匹配度及时间长度,确定目标音频信息的处理结果;实现了音频信息的自动化分析处理,提高处理效率,降低人力成本。
Description
技术领域
本公开涉及音频处理技术,尤其涉及一种音频信息处理方法、装置、设备和存储介质。
背景技术
医疗机构通常会在患者就诊后进行随访,对患者的愈后情况、治疗满意度等信息进行采集。
目前的随访主要采用电话方式,由随访人员对受试者进行电话随访并录音,将录制的音频信息保存,以供相关人员检阅。而音频信息的人工检阅需要耗费大量的时间,尤其是对于对话信息量较大的音频信息,需要检阅人员长时间集中注意力,人力成本的问题尤为凸显。
发明内容
本公开的实施例提供了一种音频信息处理方法、装置、电子设备和存储介质。
第一方面,本公开的实施例提供了一种音频信息处理方法,该方法包括:获取目标音频信息,其中,所述目标音频信息包括对受试者的随访录音;确定所述目标音频信息的语音源体个数;根据所述语音源体个数确定所述目标音频信息的语音源体可信度;对所述目标音频信息进行文字识别,得到目标文本信息;确定预设关键词词库与所述目标文本信息的匹配度;确定所述目标音频信息的时间长度;根据所述语音源体可信度、所述匹配度及所述时间长度,确定所述目标音频信息的处理结果。
在一些可选的实施方式中,所述根据所述语音源体个数确定所述目标音频信息的语音源体可信度,包括:
当N<2时,确定F(N)=0;
当N=2时,确定F(N)=1;
当N>2时,确定F(N)=1-(N-2)/2;
其中,N为所述语音源体个数,F(N)为所述语音源体可信度。
在一些可选的实施方式中,所述确定预设关键词词库与所述目标文本信息的匹配度,包括:
在所述目标文本信息中检索所述关键词词库中的关键词,得到关键词的检索结果;
将所述目标文本信息中检索结果为匹配的关键词的数量在所述预设关键词词库的占比确定为所述匹配度。
在一些可选的实施方式中,所述确定预设关键词词库与所述目标文本信息的匹配度,还包括:
将在所述目标文本信息中检索到的次数大于预设次数阈值的关键词的检索结果确定为匹配。
在一些可选的实施方式中,根据所述语音源体可信度、所述匹配度及所述时间长度,确定所述目标音频信息的处理结果,包括:
当所述语音源体可信度为零时,确定个所述目标音频信息的处理结果为无效随访。
在一些可选的实施方式中,所述根据所述语音源体可信度、所述匹配度及所述时间长度,确定所述目标音频信息的处理结果,包括:
根据以下公式确定所述目标音频信息的处理结果Q:
Q=0.2×F(N)+0.5×F(W)÷Fmax(W)+0.3×F(T)÷Fmax(T);
其中,F(N)为所述语音源体可信度,F(W)为所述匹配度,Fmax(W)为预设匹配度参考值,F(T)为所述时间长度,Fmax(T)为预设时间长度参考值。
在一些可选的实施方式中,所述方法还包括:
对应所述目标音频信息呈现所述处理结果。
第二方面,本公开的实施例提供了一种音频信息处理装置,该装置包括:音频获取单元,被配置成获取目标音频信息,其中,所述目标音频信息包括对受试者的随访录音;第一处理单元,被配置成确定所述目标音频信息的语音源体个数,根据所述语音源体个数确定所述目标音频信息的语音源体可信度;第二处理单元,被配置成对所述目标音频信息进行文字识别,得到目标文本信息,确定预设关键词词库与所述目标文本信息的匹配度;第三处理单元,被配置成确定所述目标音频信息的时间长度;第四处理单元,被配置成根据所述语音源体可信度、所述匹配度及所述时间长度,确定所述目标音频信息的处理结果。
在一些可选的实施方式中,所述第一处理单元,被具体配置成:
当N<2时,确定F(N)=0;
当N=2时,确定F(N)=1;
当N>2时,确定F(N)=1-(N-2)/2;
其中,N为所述语音源体个数,F(N)为所述语音源体可信度。
在一些可选的实施方式中,所述第二处理单元,被具体配置成:
在所述目标文本信息中检索所述关键词词库中的关键词,得到关键词的检索结果;
将所述目标文本信息中检索结果为匹配的关键词的数量在所述预设关键词词库的占比确定为所述匹配度。
在一些可选的实施方式中,所述第二处理单元,被进一步配置成:
将在所述目标文本信息中检索到的次数大于预设次数阈值的关键词的检索结果确定为匹配。
在一些可选的实施方式中,所述第四处理单元,被具体配置成:
当所述语音源体可信度为零时,确定个所述目标音频信息的处理结果为无效随访。
在一些可选的实施方式中,所述第四处理单元,被具体配置成:
根据以下公式确定所述目标音频信息的处理结果Q:
Q=0.2×F(N)+0.5×F(W)÷Fmax(W)+0.3×F(T)÷Fmax(T);
其中,F(N)为所述语音源体可信度,F(W)为所述匹配度,Fmax(W)为预设匹配度参考值,F(T)为所述时间长度,Fmax(T)为预设时间长度参考值。
在一些可选的实施方式中,上述装置还包括:
呈现单元,被配置成对应所述目标音频信息呈现所述处理结果。
第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。
通过获取目标音频信息,其中,目标音频信息包括对受试者的随访录音;确定目标音频信息的语音源体个数;根据语音源体个数确定目标音频信息的语音源体可信度;对目标音频信息进行文字识别,得到目标文本信息;确定预设关键词词库与目标文本信息的匹配度;确定目标音频信息的时间长度;根据语音源体可信度、匹配度及时间长度,确定目标音频信息的处理结果;实现了音频信息的自动化分析处理,提高处理效率,降低人力成本。
附图说明
附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。
图1为本公开的一个实施例可以应用于其中的示例性系统架构示意图;
图2为根据本公开的音频信息处理方法的一个实施例的流程示意图;
图3为根据本公开的音频信息处理装置的一个实施例的结构示意图;
图4为适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,本公开实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本公开的实施例可以除了在这里图示或描述的那些以外的顺序实施。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信息处理方法、装置、电子设备和存储介质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,例如音频处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
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、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、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终端设备中。其可以实现成多个软件或软件模块(例如用来提供音频信息处理服务),也可以实现成单个软件或软件模块。在此不做具体限定。
在一些情况下,本公开所提供的音频信息处理方法可以由终端设备101、102、103执行,相应地,音频信息处理装置可以设置于终端设备101、102、103中。这时,系统架构100也可以不包括服务器105。
在一些情况下,本公开所提供的音频信息处理方法可以由终端设备101、102、103和服务器105共同执行,例如,“获取目标音频信息”等步骤可以由终端设备101、102、103执行,“根据所述语音源体个数确定所述目标音频信息的语音源体可信度”等步骤可以由服务器105执行。本公开对此不做限定。相应地,音频信息处理装置也可以分别设置于终端设备101、102、103和服务器105中。
在一些情况下,本公开所提供的音频信息处理方法可以由服务器105执行,相应地,音频信息处理装置也可以设置于服务器105中,这时,系统架构100也可以不包括终端设备101、102、103。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,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),也可以实现成单个软件或软件模块。在此不做具体限定。
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。
图2为根据本公开的音频信息处理方法的一个实施例的流程示意图,其示出了根据本公开的音频信息处理方法的一个实施例的流程200,该音频信息处理方法包括以下步骤:
步骤201,获取目标音频信息。
在本实施例中,音频信息处理方法的执行主体(例如图1所示的终端设备101、102、103或服务器105)可以首先本地或者远程地从与上述执行主体网络连接的其他电子设备(例如图1所示的终端设备101、102、103或服务器105)获取目标音频信息。
这里,目标音频信息可包括对受试者的随访录音。可以理解的是,在一段正常完整的随访录音中,应包括随访的发起者,即随访人员,以及随访的对象,即受试者。
步骤202,确定目标音频信息的语音源体个数。
本公开中,语音源体为目标音频信息中人声的发声主体,即说话的人。
这里,可采用基于声纹特征的方式对目标音频信息中的人声进行分离,根据分离结果对应的声纹数量,确定语音源体个数。实际可采用各种常用的分类器数据处理方法确定目标音频信息的语音源体个数,这里只是举例说明,并非对于本公开的具体限定。
在一些可选的实施方式中,上述步骤202还具体包括:对目标音频信息进行降噪处理,根据降噪后的音频信息确定目标音频信息的语音源体个数。可以理解的是,通过降噪处理,可以去除随访通话过程中的背景噪音或录制过程中产生的噪音等,以提高语音源体识别的准确度。
步骤203,根据语音源体个数确定目标音频信息的语音源体可信度。
在一些可选的实施方式中,根据语音源体个数确定目标音频信息的语音源体可信度,可包括:
当N<2时,确定F(N)=0。
当N=2时,确定F(N)=1。
当N>2时,确定F(N)=1-(N-2)/2。
其中,N为语音源体个数,F(N)为语音源体可信度。
可以理解的是,如果音频信息中语音源体的个数小于2,则可判定为该次随访中没有受试者参与,语音源体可信度为零,即0%;如果音频信息中语音源体的个数为2,则可判定为正常的一对一随访,语音源体可信度为1,即100%;如果音频信息中语音源体的个数大于2,则可判定为受试者方的录音有干扰,例如环境嘈杂或中途切换电话接听人员等,因此将(N-2)/2作为惩罚因子,降低语音源体可信度。
步骤204,对目标音频信息进行文字识别,得到目标文本信息。
这里,可以采用语音识别技术对目标音频信息进行文字识别,例如:采用提取特征、训练模板、对模板进行分类及对模板进行判断的步骤来对语音进行识别,或者,采用神经网络的方法进行语音识别等。这里只是举例说明,本公开对于文字识别的方法不做具体限定。
步骤205,确定预设关键词词库与目标文本信息的匹配度。
这里,预设的关键词词库可以根据随访任务确定。例如,可以包括随访时采用的电子病历报告表中的关键词确定预设关键词词库,或者,可以根据受试者的具体情况确定关键词整理得到预设关键词词库,例如:将需要随访的药物名称作为关键词、将受试者的患病类型作为关键词等。可以理解的是,对于随访录音的关键词,主要用于确定随访人员是否在随访过程中提到该关键词,进而将该关键词是否出现在目标文本信息中作为对随访录音的检测指标。
在一些可选的实施方式中,上述步骤205可包括:
在目标文本信息中检索关键词词库中的关键词,得到关键词的检索结果。
将目标文本信息中检索结果为匹配的关键词的数量在预设关键词词库的占比确定为匹配度。
在一些可选的实施方式中,确上述步骤205还可包括:
将在目标文本信息中检索到的次数大于预设次数阈值的关键词的检索结果确定为匹配。
这里,预设次数阈值可以根据实际需要进行设定。可以理解的是,在一些应用场景中,随访人员应多次提及一些关键词,例如:在询问患者是否服用某关键词药物后,再次确认服用该关键词药物后的反应,以及对该关键词药物的意见反馈等;或者,
步骤206,确定目标音频信息的时间长度。
这里,目标音频信息的时间长度指目标音频信息所包含的对受试者的随访录音时间长度。
步骤207,根据语音源体可信度、匹配度及时间长度,确定目标音频信息的处理结果。
在一些可选的实施方式中,上述步骤207可包括:
当语音源体可信度为零时,确定个目标音频信息的处理结果为无效随访。
可以理解的是,当语音源体可信度为零时,表征该目标音频信息中没有受试者参与,因此将本次随访判定为无效随访。
在一些可选的实施方式中,上述步骤207可包括:
根据以下公式确定目标音频信息的处理结果Q:
Q=0.2×F(N)+0.5×F(W)÷Fmax(W)+0.3×F(T)÷Fmax(T)。
其中,F(N)为语音源体可信度,F(W)为匹配度,Fmax(W)为预设匹配度参考值,F(T)为时间长度,Fmax(T)为预设时间长度参考值。
这里,预设匹配度参考值,可以是预先统计的多个随访电话录音的匹配度最大值,或者,还可以是预先统计的多个随访电话录音的匹配度平均值。预设时间长度参考值,可以是预先统计的多个随访电话录音的时间长度最大值,或者,还可以是预先统计的多个随访电话录音的时间长度平均值。这里,对于多个随访电话录音的具体数量不做限定,例如,可以是100至1000个随访电话录音。
在一些可选的实施方式中,上述流程200还包括:
步骤208,对应目标音频信息呈现处理结果。
这里,可以将处理结果对应目标音频信息呈现,例如,以标记或通知的形式将处理结果在显示目标音频信息文件的随访记录管理系统中对应该目标音频信息文件的位置显示。以便于检阅人员对应音频信息浏览处理结果。
本公开通过上述方法可以实现随访录音的音频信息自动化分析处理,提高处理效率,降低人力成本。
进一步参考图3,作为对图2所示方法的实现,本公开提供了一种音频信息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,该装置具体可以应用于各种电子设备中。
本公开的实施例提供了一种音频信息处理装置300,该装置包括:音频获取单元301、第一处理单元302、第二处理单元303、第三处理单元304及第四处理单元305。其中:音频获取单元301,被配置成获取目标音频信息,其中,目标音频信息包括对受试者的随访录音。第一处理单元302,被配置成确定目标音频信息的语音源体个数,根据语音源体个数确定目标音频信息的语音源体可信度。第二处理单元303,被配置成对目标音频信息进行文字识别,得到目标文本信息,确定预设关键词词库与目标文本信息的匹配度。第三处理单元304,被配置成确定目标音频信息的时间长度。第四处理单元305,被配置成根据语音源体可信度、匹配度及时间长度,确定目标音频信息的处理结果。
在本实施例中,音频信息处理装置300的音频获取单元301、第一处理单元302、第二处理单元303、第三处理单元304及第四处理单元305的具体处理及其所带来的技术效果可分别参考图2中对应实施例中的步骤201至步骤207的相关说明,在此不再赘述。
在一些可选的实施方式中,第一处理单元302,被具体配置成:
当N<2时,确定F(N)=0。
当N=2时,确定F(N)=1。
当N>2时,确定F(N)=1-(N-2)/2。
其中,N为语音源体个数,F(N)为语音源体可信度。
在一些可选的实施方式中,第二处理单元303,被具体配置成:
在目标文本信息中检索关键词词库中的关键词,得到关键词的检索结果。
将目标文本信息中检索结果为匹配的关键词的数量在预设关键词词库的占比确定为匹配度。
在一些可选的实施方式中,第二处理单元303,被进一步配置成:
将在目标文本信息中检索到的次数大于预设次数阈值的关键词的检索结果确定为匹配。
在一些可选的实施方式中,第四处理单元305,被具体配置成:
当语音源体可信度为零时,确定个目标音频信息的处理结果为无效随访。
在一些可选的实施方式中,第四处理单元305,被具体配置成:
根据以下公式确定目标音频信息的处理结果Q:
Q=0.2×F(N)+0.5×F(W)÷Fmax(W)+0.3×F(T)÷Fmax(T)。
其中,F(N)为语音源体可信度,F(W)为匹配度,Fmax(W)为预设匹配度参考值,F(T)为时间长度,Fmax(T)为预设时间长度参考值。
这里,处理结果可表征目标音频信息中随访的完成质量,处理结果的数值与随访的完成质量正相关,处理结果的数值越高,则表征随访的完成质量越高。
在一些可选的实施方式中,上述装置还包括:
呈现单元306,被配置成对应目标音频信息呈现处理结果。
需要说明的是,本公开的实施例提供的音频信息处理装置中各单元的实现细节和技术效果可以参考本公开中其他实施例的说明,在此不再赘述。
下面参考图4,其示出了适于用来实现本公开的电子设备的计算机系统400的结构示意图。图4示出的计算机系统400仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有计算机系统400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许计算机系统400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备的计算机系统400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM402被安装。在该计算机程序被处理装置401执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
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电子设备执行时,使得该电子设备实现如图2所示的实施例及其可选实施方式示出的音频信息处理方法,和/或,如图3所示的实施例及其可选实施方式示出的音频信息处理方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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。
描述于本公开的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。其中,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,音频获取单元还可以被描述为“获取目标音频信息的单元”。
本公开实施例所记载的技术方案之间,在不冲突的情况下,可以任意组合。
以上所述,仅为本公开的具体实施方式,但本公开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公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种音频信息处理方法,包括:
获取目标音频信息,其中,所述目标音频信息包括对受试者的随访录音;
确定所述目标音频信息的语音源体个数;
根据所述语音源体个数确定所述目标音频信息的语音源体可信度;
对所述目标音频信息进行文字识别,得到目标文本信息;
确定预设关键词词库与所述目标文本信息的匹配度;
确定所述目标音频信息的时间长度;
根据所述语音源体可信度、所述匹配度及所述时间长度,确定所述目标音频信息的处理结果。
2.根据权利要求1所述的方法,其中,所述根据所述语音源体个数确定所述目标音频信息的语音源体可信度,包括:
当N<2时,确定F(N)=0;
当N=2时,确定F(N)=1;
当N>2时,确定F(N)=1-(N-2)/2;
其中,N为所述语音源体个数,F(N)为所述语音源体可信度。
3.根据权利要求1所述的方法,其中,所述确定预设关键词词库与所述目标文本信息的匹配度,包括:
在所述目标文本信息中检索所述关键词词库中的关键词,得到关键词的检索结果;
将所述目标文本信息中检索结果为匹配的关键词的数量在所述预设关键词词库的占比确定为所述匹配度。
4.根据权利要求3所述的方法,其中,所述确定预设关键词词库与所述目标文本信息的匹配度,还包括:
将在所述目标文本信息中检索到的次数大于预设次数阈值的关键词的检索结果确定为匹配。
5.根据权利要求1所述的方法,其中,根据所述语音源体可信度、所述匹配度及所述时间长度,确定所述目标音频信息的处理结果,包括:
当所述语音源体可信度为零时,确定个所述目标音频信息的处理结果为无效随访。
6.根据权利要求1所述的方法,其中,所述根据所述语音源体可信度、所述匹配度及所述时间长度,确定所述目标音频信息的处理结果,包括:
根据以下公式确定所述目标音频信息的处理结果Q:
Q=0.2×F(N)+0.5×F(W)÷Fmax(W)+0.3×F(T)÷Fmax(T);
其中,F(N)为所述语音源体可信度,F(W)为所述匹配度,Fmax(W)为预设匹配度参考值,F(T)为所述时间长度,Fmax(T)为预设时间长度参考值。
7.根据权利要求1所述的方法,其中,所述方法还包括:
对应所述目标音频信息呈现所述处理结果。
8.一种音频信息处理装置,包括:
音频获取单元,被配置成获取目标音频信息,其中,所述目标音频信息包括对受试者的随访录音;
第一处理单元,被配置成确定所述目标音频信息的语音源体个数,根据所述语音源体个数确定所述目标音频信息的语音源体可信度;
第二处理单元,被配置成对所述目标音频信息进行文字识别,得到目标文本信息,确定预设关键词词库与所述目标文本信息的匹配度;
第三处理单元,被配置成确定所述目标音频信息的时间长度;
第四处理单元,被配置成根据所述语音源体可信度、所述匹配度及所述时间长度,确定所述目标音频信息的处理结果。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被一个或多个处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110855283.8A CN113571143A (zh) | 2021-07-26 | 2021-07-26 | 一种音频信息处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110855283.8A CN113571143A (zh) | 2021-07-26 | 2021-07-26 | 一种音频信息处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113571143A true CN113571143A (zh) | 2021-10-29 |
Family
ID=78168430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110855283.8A Pending CN113571143A (zh) | 2021-07-26 | 2021-07-26 | 一种音频信息处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113571143A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101662550A (zh) * | 2009-09-11 | 2010-03-03 | 中兴通讯股份有限公司 | 呼叫中心服务质量检测方法及系统 |
CN105141787A (zh) * | 2015-08-14 | 2015-12-09 | 上海银天下科技有限公司 | 服务录音的合规检查方法及装置 |
CN109599093A (zh) * | 2018-10-26 | 2019-04-09 | 北京中关村科金技术有限公司 | 智能质检的关键词检测方法、装置、设备及可读存储介质 |
CN111128233A (zh) * | 2019-10-12 | 2020-05-08 | 中国平安财产保险股份有限公司 | 录音检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-26 CN CN202110855283.8A patent/CN113571143A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101662550A (zh) * | 2009-09-11 | 2010-03-03 | 中兴通讯股份有限公司 | 呼叫中心服务质量检测方法及系统 |
CN105141787A (zh) * | 2015-08-14 | 2015-12-09 | 上海银天下科技有限公司 | 服务录音的合规检查方法及装置 |
CN109599093A (zh) * | 2018-10-26 | 2019-04-09 | 北京中关村科金技术有限公司 | 智能质检的关键词检测方法、装置、设备及可读存储介质 |
CN111128233A (zh) * | 2019-10-12 | 2020-05-08 | 中国平安财产保险股份有限公司 | 录音检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12073361B2 (en) | Automated clinical documentation system and method | |
US9245254B2 (en) | Enhanced voice conferencing with history, language translation and identification | |
US20210319897A1 (en) | Multimodal analysis combining monitoring modalities to elicit cognitive states and perform screening for mental disorders | |
US9710138B2 (en) | Displaying relevant information on wearable computing devices | |
CN108924381B (zh) | 图像处理方法、图像处理装置及计算机可读介质 | |
US20210243412A1 (en) | Automated Clinical Documentation System and Method | |
US11817095B2 (en) | Ambient cooperative intelligence system and method | |
CN112182255A (zh) | 用于存储媒体文件和用于检索媒体文件的方法和装置 | |
US20220020025A1 (en) | Automatic payment determination | |
CN110245334A (zh) | 用于输出信息的方法和装置 | |
CN113241070A (zh) | 热词召回及更新方法、装置、存储介质和热词系统 | |
CN111899747B (zh) | 用于合成音频的方法和装置 | |
CN111382365A (zh) | 用于输出信息的方法和装置 | |
CN112214695A (zh) | 信息处理方法、装置和电子设备 | |
CN112650830B (zh) | 关键词提取方法、装置、电子设备和存储介质 | |
CN113571143A (zh) | 一种音频信息处理方法及装置 | |
US11290405B2 (en) | Method, system and apparatus for providing a contextual keyword collective for communication events in a multicommunication platform environment | |
US10938985B2 (en) | Contextual preferred response time alert | |
CN113362105A (zh) | 用户标签形成方法、装置及计算机可读存储介质 | |
WO2022125079A1 (en) | Saving communicated information from voice calls and video calls | |
CN111753080A (zh) | 用于输出信息的方法和装置 | |
WO2022204186A2 (en) | Automated clinical documentation system and method | |
CN114996559A (zh) | 用于生成信息推送方式的方法、装置、服务器和介质 | |
WO2022204200A2 (en) | Automated clinical documentation system and method | |
WO2022125078A1 (en) | Identifying and providing requested user information during voice calls and video calls |
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 |