[发明专利]语音标注质量确定方法、装置、设备及计算机可读介质

说明书

本申请涉及一种语音标注质量确定方法、装置、设备及计算机可读介质。所述方法包括将目标音频文件输入预设的语音识别模型中，得到预识别文本及所述预识别文本的贝叶斯风险值；获取标注员对所述预识别文本在标注过程中的标注过程信息及所述标注员在标注历史标注文本时的历史标注信息；基于所述贝叶斯风险值、所述标注过程信息及历史标注信息确定所述标注员对所述预识别文本进行标注的得到的标注文本的文本可信度；根据所述文本可信度确定所述标注文本的标注质量。本申请能够实现辅助验收员关注更可能出错的标注文本，进而提升整个语音数据标注质检的效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种语音标注质量确定方法、装置、设备及计算机可读介质。

背景技术

目前，随着人工智能技术的突破，语音作为人机交互的重要环节，地位也越来越突出。但由于不同地域相应的语音差异性也较大，因此，为了建立一个有效的声学模型，需要对海量语音数据进行标注。

目前，语音数据获取常采用人工进行标注，再通过质检对标注数据进行合格验收。不同标注员标注数据的质量会存在参差不齐的情况，需要质检人员对数据质量再次把关，质检验收后获取的数据越精准，对声学模型训练的效果越好。质检验收常采用随机抽取标注员数据的方法，该方法随机性比较强，会存在漏掉质量差的标注数据。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种语音标注质量确定方法、装置、设备及计算机可读介质。

第一方面，本申请提供了一种语音标注质量确定方法，包括：

将目标音频文件输入预设的语音识别模型中，得到预识别文本及所述预识别文本的贝叶斯风险值；

获取标注员对所述预识别文本在标注过程中的标注过程信息及所述标注员在标注历史标注文本时的历史标注信息；

基于所述贝叶斯风险值、所述标注过程信息及历史标注信息确定所述标注员对所述预识别文本进行标注的得到的标注文本的文本可信度；

根据所述文本可信度确定所述标注文本的标注质量。

可选地，所述基于所述贝叶斯风险值、所述标注过程信息及历史标注信息确定所述标注员对所述预识别文本进行标注的得到的标注文本的文本可信度，包括：

若所述贝叶斯风险值超过预设风险阈值、根据所述历史标注信息确定的所述标注员的历史标注质量低于预设标注质量阈值且根据所述标注过程信息确定所述标注员对所述预识别文本的修改量小于预设修改阈值，则确定所述文本可信度低。

可选地，所述历史标注质量根据所述标注员的认真度和准确度确定；

根据所述历史标注记录确定所述标注员的历史标注质量是否低于预设标注质量阈值，包括：

根据所述历史标注信息确定所述标注员的历史标注质量是否低于预设标注质量阈值，包括：

根据所述历史标注信息确定所述标注员的认真度和准确度；

将所述历史标注质量与预设标注质量阈值比较；

若所述历史标注质量小于所述预设标注质量阈值，确定所述标注员的历史标注质量低于预设标注质量阈值；否则，确定所述标注员的历史标注质量大于预设标注质量阈值。

可选地，所述历史标注质量根据所述标注员的准确度和标注时长确定；

根据所述历史标注信息确定所述标注员的历史标注质量是否低于预设标注质量阈值，包括：

根据所述历史标注信息确定所述标注员的历史标注质量，所述历史标注质量根据所述标注员的准确度和标注时长确定；

将所述历史标注质量与预设标注质量阈值比较；