[发明专利]基于人工智能的跨语种语音转录方法、设备及可读介质

说明书

本发明提供一种基于人工智能的跨语种语音转录方法、设备及可读介质。其所述方法包括：将待转录的语音数据进行预处理，获取多个声学特征；待转录的语音数据采用第一语种表示；根据多个声学特征以及预先训练的跨语种转录模型，预测语音数据对应的转录后的翻译文本；其中，翻译文本采用第二语种表示，第二语种不同于第一语种。采用本发明的技术方案，跨语种语音转录时不用先进行语音识别，再进行机器翻译，而是直接根据预先训练的跨语种转录模型便可以进行跨语种转录，能够克服现有技术中的两步走的跨语种转录方式中的错误累积的问题，与现有技术相比，能够有效地提高跨语种语音转录的准确性和转录效率。

【技术领域】

本发明涉及计算机应用技术领域，尤其涉及一种基于人工智能的跨语种语音转录方法、设备及可读介质。

【背景技术】

人工智能(Artificial Intelligence；AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

随着语音技术的发展，从语音到对应文本的语音转录在日常生活中逐步的普及。然而，当前的语音转录技术只能识别转录当前语种的语音，例如一段普通话的语音，对应的转录结果会为其对应的汉字文本，而并不能满足跨语种语音转录的需求，例如无法将输入的一段普通话语音，直接输出跨语种语音转录的对应的英文翻译文本。为了实现跨语种的语音转录，现有技术中多采用两步走的方案：首先，通过语音识别工具对输入的语音进行转录生成文本；然后，通过机器翻译的方法，对前面生成的文本进行翻译，最后得到跨语种的语音转录文本结果。

但是现有的跨语种语音转录时，若第一步的语音识别工具识别错误，那么机器翻译得到的最终的语音转录文本便无可避免地发生错误，即现有技术的跨语种语音转录不可避免地会发生错误累积的问题，导致现有技术的跨语种语音转录准确性较差、转录效率较低。

【发明内容】

本发明提供了一种基于人工智能的跨语种语音转录方法、设备及可读介质，用于提高跨语种语音转录准确性和转录效率。

本发明提供一种基于人工智能的跨语种语音转录方法，所述方法包括：

将待转录的语音数据进行预处理，获取多个声学特征；所述待转录的语音数据采用第一语种表示；

根据多个所述声学特征以及预先训练的跨语种转录模型，预测所述语音数据对应的转录后的翻译文本；其中，所述翻译文本采用第二语种表示，所述第二语种不同于所述第一语种。

进一步可选地，如上所述的方法中，将待转录的语音数据进行预处理，获取多个声学特征，具体包括：

对所述待转录的语音数据采用预设的采样率进行采样，得到多个语音数据采样点；

对所述多个语音数据采样点按照预设的量化位数进行量化处理，得到脉冲编码调制文件；

从所述脉冲编码调制文件中提取多个所述声学特征。

进一步可选地，如上所述的方法中，从所述脉冲编码调制文件中提取多个所述声学特征，具体包括：

从所述脉冲编码调制文件的开头选取预设帧长的数据帧；并按照从前至后依次调整预设帧移后选取所述预设帧长的数据帧，共得到多个所述数据帧；

分别从多个所述数据帧中提取每个所述数据帧的声学特征，得到多个所述声学特征。

进一步可选地，如上所述的方法中，根据多个所述声学特征以及预先训练的跨语种转录模型，预测所述语音数据对应的转录后的翻译文本之前，所述方法还包括：

采集数条所述第一语种表示的训练语音数据以及各条所述训练语音数据转录为所述第二语种表示的真实翻译文本；