[发明专利]一种基于语音识别的中文语音校对方法和装置

说明书

本发明涉及语音识别技术领域的方面，提供一种基于语音识别的中文语音校对方法及装置。基于语音识别的中文语音校对方法，其中，包括：获取文本语料步骤，获取原始文本的文本语料及对应的文本带调拼音；获取音频步骤，基于文本语料，获取音频；识别步骤，通过语音识别引擎对音频进行识别，得到识别文字及对应的带调拼音；比对步骤，将识别语料信息与文本信息进行比对；校对步骤，根据比对结果，标识出识别语料信息中与文本信息不相匹配的差异文字及差异文字在音频中对应的时间段。通过对比，将识别文本与文本语料进行校对，从而标识差异文字的位置，有助于快速标识音频中出现转写错误的位置，提高校对效率，增强文本与音频的一致性。

技术领域

本发明一般地涉及语音识别技术领域，特别是涉及一种基于语音识别的中文语音校对方法及装置。

背景技术

中文语音合成库的制作过程中，在请专业发音人根据设计好的文本语料完成录音后，会存在发音人漏读、错读、多读及声调等问题，最终会导致音频和原始文本不一致，而语音合成数据库对音频和文本的一致性要求很高，期望正确率能达到99.9％，因此在完成录音后，校对成了必不可少的步骤。在校对环节，需要保证音频和词级、音素级的标注文本一一对应。音频和其相应的标注是否一致直接影响了语音合成的效果和听感。

目前一般采用人工逐句检查校对的方式。为提高校对正确率，采用了流程控制的方法，即采用两名校对人员，一人校对后将校对结果交给另一个人重新校对一遍，都校对完后再由质检人员进行抽检。逐句检查及二次校对降低了工作效率，增加了成本。

发明内容

为了解决现有技术中存在的上述问题，本发明提供一种基于语音识别的中文语音校对方法及装置。

第一方面，本发明实施例提供一种基于语音识别的中文语音校对方法，其中，包括：获取文本语料步骤，获取原始文本的文本信息，其中，文本信息包括文本语料及文本预料对应的文本带调拼音；获取音频步骤，基于文本语料，获取音频；识别步骤，通过语音识别引擎对音频进行识别，得到识别语料信息，其中，识别语料信息包括识别文字及识别文本对应的文字带调拼音；比对步骤，将识别语料信息与文本信息进行比对；校对步骤，根据比对结果，标识出识别文字中与文本语料不相匹配的差异文字及差异文字在音频中对应的时间段。

在一实施例中，识别语料信息还包括：识别文字的时间信息，其中，时间信息为识别文字中每个文字对应于音频的时间段；校对步骤还包括：基于时间信息，在音频中标识出差异文字对应的时间段。

在一实施例中，通过语音识别引擎识别音频，得到文字音素；基于文字因素，得到时间信息。

在一实施例中，基于语音识别的中文语音校对方法还包括：纠错步骤，根据标识出的差异文字及差异文字对应的时间段，对识别文字以及音频进行修正。

在一实施例中，校对步骤还包括：对差异文字的类型进行标识，其中，类型包括：替换、插入或删除。

在一实施例中，标识包括：当类型为替换或插入时，标识类型对应的识别文字的时间段；当类型为删除时，标识类型对应的识别文字的前一识别文字的时间段。

在一实施例中，标识包括：标识类型对应的识别文字前后相邻的一个或多个识别文字的时间段。

在一实施例中，语音识别引擎包括声学模型、语言模型和解码字典。

在一实施例中，语言模型包括扩充文本库语料，对语言模型的文本语料库进行扩充，其中，文本库语料包括儿化音文本。

在一实施例中，解码字典包括音素扩充，其中，音素包括：多音字的拼音和声调。