[发明专利]基于语音识别的会议记录生成方法、装置及存储介质

权利要求书

1.一种基于语音识别的会议记录生成方法，适用于电子装置，其特征在于，该方法包括：

接收步骤：接收用户发出的会议记录生成指令，根据所述会议记录生成指令获取待转换音频，或者，定时或实时从预设存储路径中获取待转换音频；

第一划分步骤：基于预设句子划分规则对所述待转换音频进行句子划分，得到所述待转换音频的音频句子；

第二划分步骤：分别从所述音频句子中提取声纹特征，将各个所述音频句子的声纹特征与预设声纹特征库进行对比分析，确定各个所述音频句子对应的说话人身份信息，并根据所述说话人身份信息将所述音频句子划分为语音段，确定所述待转换音频对应的语音段集合；

语音识别步骤：根据所述语音段集合中各语音段对应的说话人身份信息调用各语音段对应的目标语音识别模型，依次将各语音段输入对应的目标语音识别模型，得到各语音段对应的文本片段，其中，所述目标语音识别模型是基于口音语料库及行业语料库进行更新训练得到的；及

生成步骤：合并各语音段对应的文本片段，生成所述待转换音频对应的目标文本，并在所述目标文本的每个所述文本片段中关联对应的语音段及说话人身份信息，生成所述待转换音频对应的会议记录。

2.根据权利要求1所述的基于语音识别的会议记录生成方法，其特征在于，所述第一划分步骤包括：

识别所述待转换音频中的第一停顿，记录第一停顿的开始时间和结束时间；

识别出所述待转换音频中的第一句子，并将第一停顿的结束时间作为第一句子的开始时间；

识别第二停顿，记录第二停顿的开始时间和结束时间，并将第二停顿的开始时间作为第一句子的结束时间，实现第一句子的划分；及

依次执行上述步骤，直至所述待转换音频结束，得到所述待转换音频的所有音频句子。

3.根据权利要求1所述的基于语音识别的会议记录生成方法，其特征在于，所述根据所述说话人身份信息将所述音频句子划分为语音段，包括：

将时间相邻且对应的说话人身份信息相同的音频句子合并生成一个语音段，并根据所述语音段包含的至少一个音频句子的起止时间确定所述语音段的起止时间。

4.根据权利要求1至3中任意一项所述的基于语音识别的会议记录生成方法，其特征在于，在第一划分步骤之前，该方法还包括：

预处理步骤：对所述待转换音频进行预处理，得到预处理后的待转换音频，所述预处理包括：回声消除处理、波束成形处理、降噪处理及增强放大处理。

5.根据权利要求4所述的基于语音识别的会议记录生成方法，其特征在于，该方法还包括：

对所述会议记录进行分词，得到分词后的列表，并从所述分词后的列表中识别出关键词；及

分别确定每个关键词对应的文本片段集合，根据各文本片段对应的说话人身份信息对所述文本片段集合进行分类，并按照时间先后顺序对各关键词及各关键词对应的文本片段进行排序，得到每个关键词对应的排序后的文本片段集合。

6.根据权利要求5所述的基于语音识别的会议记录生成方法，其特征在于，该方法还包括：

响应用户发出的会议记录查看指令，向用户展示所述会议记录；及/或

响应用户发出的文本片段点击操作，向用户展示所述文本片段对应的关联信息；关联信息包括：关键词、说话人身份信息、对应的语音段链接，当用户点击语音段链接时，播放当前语音段；及/或

响应用户发出的会议记录修改指令，基于所述修改指令更新并保存所述会议记录；及/或

响应用户发出的携带查询字段的查询指令，从所述会议记录中查询与所述查询字段匹配的文本片段，以预设形式将查询到的文本片段及对应的关联信息反馈给该用户。