[发明专利]一种音频数据标注方法、装置及系统

权利要求书

1.一种音频数据标注方法，其特征在于，包括：

将待标注音频数据利用语音识别引擎进行语音识别获得参考标注文本；

以所述参考标注文本为参照，在由所述待标注音频数据解码获得的词图网络中查找与所述参考标注文本编辑距离最短的最优识别路径，计算所述最优识别路径上各单词的置信度，将各单词的所述置信度与预设的第一置信度条件对比，输出所述最优识别路径上满足所述第一置信度条件的目标单词；

按照所述词图网络中各单词的时间参数对齐所述目标单词，形成所述待标注音频数据的标注文本；

其中，所述词图网络的获得方法包括：

利用已标注音频数据训练声学模型，根据所述参考标注文本构建有偏语言模型；

利用发音词典连接训练后的所述声学模型和所述有偏语言模型，形成解码网络；

利用所述解码网络解码所述待标注音频数据获得所述词图网络。

2.如权利要求1所述的一种音频数据标注方法，其特征在于，所述有偏语言模型的构建方法包括：

以句子为单元将所述参考标注文本分成N个簇，建立所述簇和相应音频数据的映射；

为每个簇构建一个语言模型。

3.如权利要求1所述的一种音频数据标注方法，其特征在于，所述词图网络为混淆网络。

4.如权利要求1～3中任意一项所述的一种音频数据标注方法，其特征在于，在获得参考标注文本之前所述方法还包括：

获取音频素材的时长；

将所述音频素材的时长与预设的时长条件对比，删除不满足所述时长条件的所述音频素材；

对所述音频素材做语音端点检测，删除所述音频素材中的无效音频数据，得到所述待标注音频数据。

5.如权利要求1～3中任意一项所述的一种音频数据标注方法，其特征在于，在获得参考标注文本时所述方法还包括：

提取所述参考标注文本中的未登录词，基于发音词典对所述未登录词进行发音预测。

6.如权利要求1～3中任意一项所述的一种音频数据标注方法，其特征在于，在计算所述最优识别路径上各单词的置信度对比后，所述方法还包括：

将各单词的所述置信度与预设的第二置信度条件对比，对满足所述第二置信度条件的噪音单词做标记，以便将所述噪音单词用于声学模型的训练，从而根据所述标记回避所述噪音单词，提高训练效果，所述第二置信度条件的阈值小于所述第一置信度条件的阈值。

7.一种用于实现权利要求1所述方法的音频数据标注装置，其特征在于，包括：

参考标注模块，用于利用语音识别引擎对待标注音频数据进行语音识别获得参考标注文本；

解码模块，用于对所述待标注音频数据解码获得词图网络；

最优识别路径获取模块，用于查找与所述参考标注文本编辑距离最短的最优识别路径；

置信度计算模块，用于计算所述最优识别路径上各单词的置信度；

目标单词获取模块，用于将各单词的所述置信度与预设的第一置信度条件对比，输出所述最优识别路径上满足所述第一置信度条件的目标单词；

时间对齐模块，用于按照所述词图网络中各单词的时间参数对齐所述目标单词，形成所述待标注音频数据的标注文本。

8.如权利要求7所述的音频数据标注装置，其特征在于，所述装置还包括：

噪音单词获取模块，用于将各单词的所述置信度与预设的第二置信度条件对比，对满足所述第二置信度条件的噪音单词做标记，所述第二置信度条件的阈值小于所述第一置信度条件的阈值。

9.一种计算机系统，其特征在于，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如权利要求1～6任意一项所述方法的操作。