[发明专利]文字标注方法、装置、设备及存储介质

说明书

本申请公开了一种文字标注方法、装置、设备及存储介质，属于计算机技术领域。所述方法包括：获取语音音频集合，语音音频集合包括多个待标注的语音音频；从语音音频集合包括的多个待标注的语音音频中筛选出长语音音频和短语音音频，其中，长语音音频的音频时长大于等于第一时长阈值，短语音音频的音频时长小于等于第二时长阈值；对筛选出的各长语音音频进行切分处理，并对筛选出的各短语音音频进行拼接处理，得到多个处理语音音频，其中，处理语音音频的音频时长位于预设时长范围内；将多个处理语音音频发送至文字标注终端，以供文字标注终端对应的用户进行文字标注。本申请实施例提供的技术方案能够提高文字标注的效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种文字标注方法、装置、设备及存储介质。

背景技术

当前，语音识别技术在人们的日常生活中已经越来越常见了，例如，智能音箱、语音机器人以及智能家居等语音交互类产品都需要使用到语音识别技术。所谓“语音识别技术”指的是识别语音音频中用户所说的话的内容的一种技术，换句话说，语音识别技术可以将语音音频转化为文字。

在当前的语音识别技术中，通常可以采用神经网络对语音音频进行识别，其中，该神经网络可以用大量的训练样本训练得到，该训练样本可以包括语音音频和语音音频对应的文字。为了对神经网络进行训练，就需要由人工对语音音频进行文字标注，从而通过文字标注得到训练样本。

其中，人工对语音音频进行文字标注的效率是制约神经网络训练效率的一个重要因素，当前，如何提高文字标注的效率已经成为了一个亟待解决的问题。

发明内容

基于此，为了提高文字标注的效率，提供了一种文字标注方法、装置、设备及存储介质。

第一方面，提供了一种文字标注方法，该方法包括：

获取语音音频集合，该语音音频集合包括多个待标注的语音音频；从该语音音频集合包括的多个待标注的语音音频中筛选出长语音音频和短语音音频，其中，该长语音音频的音频时长大于等于第一时长阈值，该短语音音频的音频时长小于等于第二时长阈值；对筛选出的各长语音音频进行切分处理，并对筛选出的各短语音音频进行拼接处理，得到多个处理语音音频，其中，该处理语音音频的音频时长位于预设时长范围内；将该多个处理语音音频发送至文字标注终端，以供该文字标注终端对应的用户进行文字标注。

在其中一个实施例中，对筛选出的各长语音音频进行切分处理，并对筛选出的各短语音音频进行拼接处理，包括：

对筛选出的各长语音音频和各短语音音频进行复制处理，得到复制后的各长语音音频和复制后的各短语音音频；对复制后的各长语音音频进行切分处理，并对复制后的各短语音音频进行拼接处理。

在其中一个实施例中，对筛选出的各长语音音频进行切分处理，包括：

对于各长语音音频，根据该预设时长范围确定多个音频切分时间节点，其中，任意相邻的两个该音频切分时间节点之间相隔的时长均位于该预设时长范围内；对于各长语音音频，根据该多个音频切分时间节点对该长语音音频进行切分处理。

在其中一个实施例中，对筛选出的各短语音音频进行拼接处理，包括：

从筛选出的该短语音音频中得到多个音频集合，各音频集合包括多个该短语音音频，各音频集合包括的短语音音频的音频时长之和位于该预设时长范围内；对各音频集合包括的多个该短语音音频进行拼接处理。

在其中一个实施例中，该多个处理语音音频包括多个切分处理语音音频和多个拼接处理语音音频，该切分处理语音音频是经过切分处理后得到的，该拼接处理语音音频是经过拼接处理后得到的，将该多个处理语音音频发送至文字标注终端之后，该方法还包括：