[发明专利]一种用于会议速记系统的音频定位方法

说明书

本发明公开了一种用于会议速记系统的音频定位方法，会议进行时，通过会议速记终端对会议音频进行收录和预处理，预处理包括但不限于按照自然句对音频流进行切割处理；会议速记终端对每一音频段的开始时间、结束时间、音频代码进行记录，并结合NLP服务器返回的二次文本生成日志文件，即日志文件至少包括一段音频的开始时间、结束时间、音频代码、及其对应的文本；日志文件为音频段和文本的对应提供依据。本发明实现音频与文本按照自然句为单位的一一对应，使得记录人员直接点击某一段文本，该段文本对应的音频就能播放出来，协助记录人员进行判断和文本修正。

技术领域

本发明涉及语音速记技术领域，尤其是一种用于会议速记系统的音频定位方法。

背景技术

在会议过程中，由记录人员把会议的组织情况和具体内容记录下来，就形成了会议记录。最传统的形式是由记录人员现场速记并在会议结束之后根据会议录音整理核对会议记录。

随着语音识别技术(ASR)和自然语言处理技术(NLP)的发展，会议中产生的音频能够在会议现场直接实时转换成文字并生成会议记录，极大地减少了记录人员的工作量。

语音识别技术是将人类语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列；自然语言处理技术研究的是如何实现人与计算机之间用自然语言进行有效通信；两者相结合，就能够将人类语音转换为人类语言的书面表达形式——文本。但是，这个转换过程不能保证百分百精准，尤其对于一些没有录入系统中的术语、人物姓名等，系统没有办法判断具体应该是何字。例如输入语音“章子怡”，系统对于这个明星的姓名能够予以识别并转换成正确的文字；输入语音“张二雷”，对于这个陌生的词组，系统只能逐字音译并选择系统设置的默认选项，如系统默认“zhang”优先“章”时，语音“张二雷”可能就会被转换成文字“章二雷”，这就导致了错误的存在。当然，实际的错误不仅限于此。

现有的会议速记系统的准确率基本在90-95％左右，对于文本中存在的错误，有必要进行修正。为了方便修正，最好能对音频进行回放，让记录人员听着音频回放，对会议记录进行修正；但是，如果只能对整段音频进行回放，会议记录修正还是存在不便之处。

发明内容

针对上述问题，本发明提供一种用于会议速记系统的音频定位方法。

一种用于会议速记系统的音频定位方法，会议进行时，通过会议速记终端对会议音频进行收录和预处理，预处理包括但不限于按照自然句对音频流进行切割处理；

会议速记终端将切割后的音频段发送至ASR服务器，ASR服务器返回一次文本；会议速记终端再将一次文本发送至NLP服务器，NLP服务器返回二次文本；

会议速记终端对每一音频段的开始时间、结束时间、音频代码进行记录，并结合NLP服务器返回的二次文本生成日志文件，即日志文件至少包括一段音频的开始时间、结束时间、音频代码、及其对应的文本；日志文件为音频段和文本的对应提供依据。

具体的，包括以下步骤：

1、会议进行时，会议速记终端按照自然句对音频流进行切割，并将切割后的音频段按序发送至ASR服务器；

2、ASR服务器将音频段内容转换成一次文本并返回至会议速记终端，会议速记终端再将ASR服务器返回的一次文本发送至NLP服务器；

3、NLP服务器用于将ASR服务器生成的一次文本按照自然语言进行自动修正，并将修正后的二次文本返回至会议速记终端；

4、会议速记终端将音频段、二次文本和日志文件发送至协同编辑服务器，协同编辑服务器根据日志文件将音频段和二次文本进行一一对应。

优选的，会议速记终端对每一段音频和文本进行编号。

优选的，若音频段没有对应的文本，会议速记终端在日志文件中予以标记。