[发明专利]音频标注的检错方法、装置、计算机设备和存储介质

权利要求书

1.一种音频标注的检错方法，其特征在于，所述方法包括：

获取标注人员对音频数据进行标注后得到的标注文本；

对所述标注文本进行检错，当通过检错确定所述标注文本中的词语出现错误和所述标注文本中的语句出现错误中的至少一种时，生成检错信息；

对所述检错信息进行输出。

2.根据权利要求1所述的方法，其特征在于，所述当通过检错确定所述标注文本中的词语出现错误和所述标注文本中的语句出现错误中的至少一种时，生成检错信息，包括：

对所述标注文本进行分词，得到所述标注文本包括的多个词语；

在预先建立的正确词表中分别查找所述标注文本包括的各个词语；

当通过查找确定所述标注文本包括的多个词语中存在错误词语时，基于所述错误词语生成所述检错信息；所述错误词语为未记录于所述正确词表中的词语。

3.根据权利要求2所述的方法，其特征在于，所述基于所述错误词语生成所述检错信息，包括：

在所述正确词表中查找多个参考词语；所述参考词语与所述错误词语的编辑距离在预设编辑距离内，所述编辑距离包括拼音编辑距离以及词汇编辑距离中的至少一种；

生成包含多个所述参考词语的检错信息。

4.根据权利要求3所述的方法，其特征在于，所述当通过检错确定所述标注文本中的词语出现错误和所述标注文本中的语句出现错误中的至少一种时，生成检错信息，包括：

将由所述标注文本包括的多个词语组成的第一词语序列输入到预先训练的神经网络检错模型中，得到所述神经网络检错模型输出的所述第一词语序列对应的概率信息；所述概率信息用于指示词语序列正确的概率；

若所述第一词语序列对应的概率信息低于预设概率值，则生成所述检错信息。

5.根据权利要求4所述的方法，其特征在于，所述若所述第一词语序列对应的概率信息低于预设概率值，则生成所述检错信息，包括：

在所述第一词语序列对应的概率信息低于所述预设概率值时，分别采用多个所述参考词语替换所述错误词语，得到多个第二词语序列；

分别将多个所述第二词语序列输入到所述神经网络检错模型中，得到各所述第二词语序列对应的概率信息；

根据所述参考词语与所述第二词语序列的对应关系和各所述第二词语序列对应的概率信息，生成包含多个所述参考词语的检错信息。

6.根据权利要求4所述的方法，其特征在于，在所述得到所述神经网络检错模型输出的所述第一词语序列对应的概率信息之后，所述方法还包括:

若所述第一词语序列对应的概率信息不低于所述预设概率值，则停止输出所述检错信息，并将所述错误词语添加到所述正确词表中。

7.根据权利要求3或5所述的方法，其特征在于，所述当通过检错确定所述标注文本中的词语出现错误和所述标注文本中的语句出现错误中的至少一种时，生成检错信息，包括：

通过搜索引擎搜索由所述标注文本包括的多个词语组成的第一词语序列，得到与所述第一词语序列匹配的搜索结果；

若所述搜索结果的数量小于预设数量，则生成所述检错信息。

8.根据权利要求7所述的方法，其特征在于，所述若所述搜索结果的数量小于预设数量，则生成所述检错信息，包括：

在所述搜索结果的数量小于所述预设数量时，从所述第一词语序列中删除所述错误词语，得到第三词语序列；

通过所述搜索引擎搜索所述第三词语序列，得到多个与所述第三词语序列同时出现的共现词语；

生成包含多个所述共现词语的检错信息。

9.根据权利要求7所述的方法，其特征在于，在所述得到与所述第一词语序列匹配的搜索结果之后，所述方法还包括：

若所述搜索结果的数量不小于所述预设数量，则停止输出所述检错信息，并将所述错误词语添加到所述正确词表中。