[发明专利]音频角色分割与识别文字的交互系统、方法、终端及介质

说明书

本发明公开了一种对话音频角色分割与识别文字的交互系统，包括服务器和用户终端，服务器包括语音处理模块、语音识别文字模块和输出模块，语音处理模块被配置为对待识别对话音频数据流进行播放；获取用户终端对语音角色的分配操作并识别语音角色分配；按角色对音频数据流进行标记；根据角色标记分割出不同角色所对应的音频数据流；语音识别文字模块被配置为将不同角色的音频数据流识别为文字信息；输出模块被配置为输出文字信息。服务器根据用户终端对角色的区分进行标记、分割，再将分割的语音数据流转换成对应的文字信息输出，实现自动对不同角色的对话音频进行分割和文字转换，快速、高效、准确地实现对话音频角色分割和文字识别。

技术领域

本发明涉及音频识别技术领域，具体涉及一种对话音频角色分割与识别文字的交互系统、方法、终端及介质。

背景技术

现有的自动识别对话角色并进行语音分割和角色归属的技术还存在精度不高的问题，难免存在识别和切割不准确的情况发生，还需要搭配手动切割语音与分配角色来进行精调，现有的手动实现音频分割的交互方式主要为在一段音频内设置起始和结束分割点，再把音频截取出来，但无法自动把分割出来的对话进行角色归属，且同时将语音转为文字内容。也就是说，需要实现分割语音、分配语音所属角色和将语音转为文字内容功能的交互方式目前尚未被整合，操作起来效率较低。

发明内容

针对现有技术中的缺陷，本发明的目的之一在于提供一种对话音频角色分割与识别文字的交互系统，实现自动对不同角色的对话音频进行分割和文字转换，快速、高效、准确地实现对话音频角色分割和文字识别。

第一方面，本发明实施例提供的对话音频角色分割与识别文字的交互系统，包括服务器和用户终端，所述服务器接收用户终端发送的待识别对话音频数据流；所述服务器包括语音处理模块、语音识别文字模块和输出模块，所述语音处理模块被配置为对待识别对话音频数据流进行播放；获取用户终端对语音角色的分配操作并识别语音角色分配；按角色对音频数据流进行标记；根据角色标记分割出不同角色所对应的音频数据流；所述语音识别文字模块被配置为将不同角色的音频数据流识别为文字信息；所述输出模块被配置为输出文字信息。

可选地，所述语音处理模块包括语音播放模块,所述语音播放模块被配置为播放待识别对话音频数据流。

可选地，所述语音处理模块还包括角色标记模块，所述角色标记模块被配置为根据所述语音角色分配信息对播放的音频数据流进行角色标记，且记录角色标记所对应的音频数据流的时间点。

可选地，所述语音处理模块还包括语音分割模块，所述语音分割模块被配置为将相邻时间点的音频数据流被标记为不同角色的音频数据流进行分割处理，对相邻时间点的音频数据流被标记为同一角色的相邻音频数据流则不进行分割处理，分割出不同角色对应的音频数据流。

第二方面，本发明实施例提供的音频角色分割与识别文字的交互方法，具体包括以下步骤：

服务器接收并获取用户终端发送的待识别对话音频数据流；

服务器获取用户终端对所述待识别对话音频数据流进行编辑请求；

服务器对待识别对话音频数据流进行播放；

服务器获取用户终端对语音角色的分配操作并识别语音角色分配，将对话音频数据流按所述角色分配对对话音频数据流进行角色标记，并记录角色标记所对应的音频数据流的时间点；

服务器根据角色标记分割出不同角色所对应的音频数据流；

服务器将所述不同角色所对应的音频数据流进行识别转换为文字信息；

服务器输出所述文字信息。