[发明专利]一种音频识别方法、装置、电子设备及存储介质

权利要求书

1.一种音频识别方法，其特征在于，该方法包括：

获取音频信息并输入到音频识别模型，得到在声学识别过程中输出的音频对及所述音频对的开始时间和结束时间，及语言识别过程中得到的识别文本；

将所述识别文本进行分词后，利用各分词在基准文件库中进行匹配搜索，根据搜索结果筛选出多个基准文件；

根据所述音频对在筛选出的多个基准文件中进行匹配搜索，筛选出与任一音频对匹配的基准字组，并根据基准文件中的基准文本及所述音频对的开始时间和结束时间，对筛选出的基准字组进行校准处理得到第一粒度的匹配结果；

根据所述识别文本在筛选出的多个基准文件的文本中匹配搜索，筛选出与所述识别文本匹配的基准文本，得到第二粒度的匹配结果；

利用第二粒度的匹配结果对第一粒度的匹配结果进行校准，得到音频信息预测文本，其中所述第二粒度高于第一粒度。

2.根据权利要求1所述的方法，其特征在于，利用各分词在基准文件库中匹配搜索，根据搜索结果筛选出多个基准文件，包括：

对于各分词，查找基准文件库中出现该分词的基准文本；

根据所有分词的查找结果，利用基准文件中出现分词的个数和/或次数对基准文件进行筛选；

对于筛选出的多个基准文件，根据分词在各基准文本中的位置、顺序、是否连续来判断与该基准文本对应的基准文件的相似度，进一步筛选出相似度大于相似度阈值的多个基准文件。

3.根据权利要求1所述的方法，其特征在于，利用各分词在基准文件库中匹配搜索之前，还包括：

过滤基准文件库中与识别文本无关的非基准文本。

4.根据权利要求1所述的方法，其特征在于，根据所述音频对在筛选出的多个基准文件中匹配搜索，筛选出与任一音频对匹配的基准字组，并根据基准文件中的基准文本及所述音频对的开始时间和结束时间，对筛选出的基准字组进行校准处理，包括：

将筛选出的各基准文件中的基准文本从前向后划分字组，筛选出与任一音频对匹配的基准字组，所述字组的字数大于音频对个数；

根据所述音频对的开始时间和结束时间，标识与所述音频对匹配的基准字组的开始时间和结束时间，并根据标识的基准字组的开始时间的先后顺序，对筛选出来的基准字组进行排序；

将排序后的基准字组与划分的字组的顺序进行比较，确定出现乱序的基准字组并删除。

5.根据权利要求4所述的方法，其特征在于，确定出现乱序的基准字组并删除之后，还包括：

确定开始时间相同的基准字组为重复使用的基准字组，从当前的基准字组中删除重复使用的基准字组，及从划分的字组中删除重复使用的基准字组，并在划分的字组中保留删除的基准字组的位置；

对当前划分的字组从后向前检测，检测到保留的位置可以容纳之后的字组时，将之后的字组向前移动覆盖所述保留的位置至与最近的字组相邻；

确定当前划分的字组仍存在未被覆盖的保留的位置时，将未被覆盖的保留的位置对应删除的基准字组，按照开始时间回填到当前基准字组中。

6.根据权利要求5所述的方法，其特征在于，确定出现乱序的基准字组并删除之后，包括：

通过比较当前基准字组与划分的字组，确定间隔的字组数超过预设个数的不连续的基准字组；

确定所述不连续的基准字组之前和之后的连续基准字组，并将所述之后的连续基准字组的第一个基准字组删除后向前移动覆盖n个基准字组位置，n为所述之后的连续基准字组删除第一个基准字组后的基准字数的个数；

将删除的第一个基准字组，按照开始时间回填到当前基准字组中。

7.根据权利要求5所述的方法，其特征在于，确定出现乱序的基准字组并删除之后，包括：

通过比较当前基准字组与划分的字组，确定间隔的字组数超过预设个数的不连续的基准字组；

确定所述不连续的基准字组之前和之后的连续基准字组，并将所述之前的连续基准字组的最后一个基准字组删除后向后移动覆盖n个基准字组位置，n为所述之前的连续基准字组删除最后一个基准字组后的基准字数的个数；

将删除的最后一个基准字组，按照开始时间回填到当前基准字组中。