一種語音標(biāo)注數(shù)據(jù)生成方法及裝置、語音識(shí)別系統(tǒng)

基本信息

申請(qǐng)?zhí)?/td> CN202110607045.5 申請(qǐng)日 -
公開（公告）號(hào) CN113395544A 公開（公告）日 2021-09-14
申請(qǐng)公布號(hào) CN113395544A 申請(qǐng)公布日 2021-09-14
分類號(hào) H04N21/234（2011.01）I;H04N21/2343（2011.01）I;H04N21/44（2011.01）I;H04N21/4402（2011.01）I;G06K9/32（2006.01）I 分類 電通信技術(shù);
發(fā)明人 賈瑤 申請(qǐng)（專利權(quán)）人 北京人人網(wǎng)互動(dòng)科技有限公司
代理機(jī)構(gòu) 北京城烽知識(shí)產(chǎn)權(quán)代理事務(wù)所（特殊普通合伙） 代理人 王新月
地址 100192北京市海淀區(qū)寶盛東路興華綠色產(chǎn)業(yè)樓二層205室（東升地區(qū)）
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了一種語音標(biāo)注數(shù)據(jù)生成方法及裝置、語音識(shí)別系統(tǒng)，其中，所述語音標(biāo)注數(shù)據(jù)生成方法包括：按預(yù)設(shè)間隔對(duì)目標(biāo)視頻進(jìn)行抽幀，得到多個(gè)目標(biāo)幀；識(shí)別每個(gè)目標(biāo)幀的文本信息、開始時(shí)間以及結(jié)束時(shí)間；順次計(jì)算當(dāng)前目標(biāo)幀的文本信息與相鄰上一目標(biāo)幀的文本信息的文本相似度；根據(jù)文本相似度確定每個(gè)文本信息的開始時(shí)間以及結(jié)束時(shí)間；按照每個(gè)文本信息的開始時(shí)間及結(jié)束時(shí)間，分別在目標(biāo)視頻中截取相應(yīng)的音頻片段，并將音頻片段與對(duì)應(yīng)文本信息相匹配，生成語音標(biāo)注數(shù)據(jù)。減少了人工標(biāo)注的工作量，提高了語音標(biāo)注數(shù)據(jù)生成效率。