[发明专利]基于语音的数据标注方法、装置、介质以及电子设备

权利要求书

1.一种基于语音的数据标注方法，包括：

获取待标注语音的待标注处理语句；

将所述待标注处理语句提供给病句纠错模型，并经由所述病句纠错模型对所述待标注处理语句进行语句预测处理，获得预测出的纠正语句；

根据所述纠正语句，确定所述待标注语音的标注语句；

其中，所述根据所述纠正语句，确定所述待标注语音的标注语句，包括：

根据所述病句纠错模型的输入语句对中的正确语句和所述纠正语句，获取所述纠正语句的干预语句；

根据所述干预语句以及纠正语句，确定所述待标注语音的标注语句。

2.根据权利要求1所述的方法，其中，所述获取待标注语音的待标注处理语句，包括：

获取待标注语音的语音识别结果，其中，所述语音识别结果被作为待标注处理语句；和/或

对待筛选集合中的待筛选语句对进行筛选处理，获得筛选出的语句对，其中，所述筛选出语句对被作为所述待标注处理语句。

3.根据权利要求2所述的方法，其中，所述病句纠错模型的输入包括：由正确语句和错误语句形成的输入语句对；

所述将所述待标注处理语句提供给病句纠错模型，包括：

将所述语音识别结果作为所述病句纠错模型的输入语句对中的错误语句，将所述输入语句对中的正确语句设置为无效语句，并将所述输入语句对提供给病句纠错模型；或者

将所述筛选出的语句对作为所述病句纠错模型的输入语句对，提供给病句纠错模型。

4.根据权利要求2所述的方法，其中，所述对待筛选集合中的待筛选语句对进行筛选处理，获得筛选出的语句对，包括：

将所述待筛选集合中的待筛选语句对提供给所述病句纠错模型中的解码器；

根据所述解码器的输出，确定从所述待筛选集合中的待筛选语句中筛选出的语句对。

5.根据权利要求1所述的方法，其中，所述根据所述干预语句以及纠正语句，确定所述待标注语音的标注语句，包括：

获取所述干预语句和所述纠正语句的相似信息；

若所述相似信息满足预定相似条件，则将所述干预语句和所述纠正语句作为所述待标注语音的标注语句。

6.根据权利要求5所述的方法，其中，所述获取所述干预语句和所述纠正语句的相似信息，包括：

根据所述干预语句，确定所述纠正语句的困惑度，其中，所述纠正语句的困惑度被作为所述相似信息；

所述相似信息满足预定相似条件，包括：

所述纠正语句的困惑度低于所述纠正语句的困惑度。

7.根据权利要求5所述的方法，其中，所述方法还包括：

若所述相似信息不满足所述预定相似条件，则将所述干预语句和所述纠正语句作为待筛选集合中的待筛选语句对；

其中，所述待筛选集合中的待筛选语句对中的被筛选出的语句对，被作为所述待标注处理语句。

8.根据权利要求1至7中任一项所述的方法，其中，所述方法还包括：

利用语句对样本对待训练病句纠错模型进行训练，以形成所述病句纠错模型；

其中，所述语句对样本包括：正确语句样本和错误语句样本。

9.根据权利要求8所述的方法，其中，所述利用语句对样本对待训练病句纠错模型进行训练，包括：

获取语句对样本；

将所述语句对样本提供给所述待训练病句纠错模型，并经由所述待训练病句纠错模型对所述语句对样本中的错误语句样本进行语句预测处理，获得所述错误语句样本的纠正语句；

至少根据所述错误语句样本的纠正语句与所述语句对样本中的正确语句样本之间的差异，调整所述病句纠错模型的模型参数。

10.根据权利要求9所述的方法，其中，所述获取语句对样本，包括：

从语音的标注语句集合以及待标注语音的待标注处理语句集合中的至少一个集合中，获取语句对样本。