[发明专利]一种广播电视语音识别系统方法及系统

权利要求书

1.一种广播电视语音识别方法，其特征在于，包括：

S1、根据广播电视数据提取出音频数据；

S2、对所述音频数据进行预处理，得到特征文本数据；

S3、将所述特征文本数据发送给云服务器进行识别处理，得到男女声识别、说话人识别以及语音识别结果；

S4、对所述数据预处理、男女声识别、说话人识别以及语音识别结果进行融合以及结构化文本标识，生成结构化的语音识别结果。

2.如权利要求1所述的广播电视语音识别方法，其特征在于，步骤S2对所述音频数据进行预处理具体包括：

S21、对所述音频数据进行切分和碎片化处理生成若干个句子文件；

S22、对所述句子文件进行非语音过滤，留下语音句子文件；

S23、对每个语音句子文件进行宽窄带判别，对判别为宽带信号的语音句子文件添加宽带标识，判别为窄带信号的语音句子文件添加窄带标识；

S24、对添加宽带标识和窄带标识的语音句子文件进行音频特征提取，得到特征文本数据，其中所述特征文本数据中包含该语音句子的起止时间、语音特征信息、该句子归属的音视频文件名称和对应的宽窄带标识。

3.如权利要求1所述的广播电视语音识别方法，其特征在于，步骤S3将所述特征文本数据发送给云服务器进行识别处理包括：男女声识别、说话人识别、语音内容识别和标点符号识别，生成含有标识的语音识别结果。

4.如权利要求1所述的广播电视语音识别方法，其特征在于，步骤S4对所述语音识别结果进行融合以及结构化文本标识具体包括：

S41、对各个语音识别结果进行汇总、对齐，并按照其中包含的起止时间进行排序；

S42、对排序后的语音识别结果按照结构化格式进行标记，包括说话人性别标识、说话人标识、语音内容、标点符号以及时间戳。

5.如权利要求1所述的广播电视语音识别方法，其特征在于，步骤S3进行识别处理的过程是根据语言模型库进行识别的，且所述语音模型库通过网络文本采集和网络文本学习不断进行更新。

6.一种广播电视语音识别系统，其特征在于，该系统包括：

提取单元，根据广播电视数据提取出音频数据；

预处理终端，对所述音频数据进行预处理，得到特征文本数据，并发送给云服务器；

云服务器，对所述特征文本数据进行识别处理，得到语音识别结果，并对所述语音识别结果进行融合以及结构化文本标识，生成结构化的语音识别结果。

7.如权利要求6所述的广播电视语音识别系统，其特征在于，所述预处理终端包括：

切分模块，对所述音频数据进行切分和碎片化处理生成若干个句子文件；

非语音过滤模块，对所述句子文件进行非语音过滤，留下语音句子文件；

宽窄带判别模块，对每个语音句子文件进行宽窄带判别，对判别为宽带信号的语音句子文件添加宽带标识，判别为窄带信号的语音句子文件添加窄带标识；

音频特征提取模块，对添加宽带标识和窄带标识的语音句子文件进行音频特征提取，得到特征文本数据，其中所述特征文本数据中包含该语音句子的起止时间、属于音视频文件名称和对应的宽窄带标识。

8.如权利要求6所述的广播电视语音识别系统，其特征在于，所述云服务器包括：

男女声识别模块，用于对所述特征文本数据进行男女声识别；

说话人识别模块，用于对所述特征文本进行说话人识别；

语音内容与标点符号识别模块，用于对所述特征文本进行语音内容识别以及标点符号识别，生成含有标点符号标识的语音识别结果；

识别结果处理模块，对所述语音识别结果进行融合以及结构化文本标识，生成结构化的语音识别结果。

9.如权利要求8所述的广播电视语音识别系统，其特征在于，所述识别结果处理模块进一步包括：

汇总排序模块，用于对各个语音识别结果进行汇总、对齐，并按照其中包含的起止时间进行排序；

加标识模块，用于对排序后的语音识别结果按照结构化格式进行标记，包括说话人性别标识、说话人标识、语音内容、标点符号以及时间戳。

10.如权利要求6所述的广播电视语音识别系统，其特征在于，所述云服务器中还包括：语言模型智能学习模块，用于定期搜集网络文本，通过对网络文本的学习定期更新语言模型库，在识别处理过程中根据定期更新的语言模型库进行识别。