[发明专利]评论显示方法、装置、电子设备及存储介质

权利要求书

1.一种评论显示方法，其特征在于，应用于服务器，所述方法包括：

获取目标视频相关的语音数据；

基于构建的语音解码网络，对所述目标视频相关的语音数据进行语音识别，得到语音识别结果；

进行所述目标视频的视频内容数据与所述语音识别结果的比对，根据比对结果生成所述目标视频的敏感词；

在接收到终端发起的敏感词屏蔽请求时，发送根据所述目标视频的敏感词过滤后的评论数据至所述终端，以使所述终端在播放所述目标视频的过程中显示过滤后的所述评论数据。

2.如权利要求1所述的方法，其特征在于，所述语音解码网络根据声学模型和语言模型构建；

所述基于构建的语音解码网络，对所述目标视频相关的语音数据进行语音识别，得到语音识别结果，包括：

针对所述语音数据包含的语音帧，进行声学特征提取，得到所述语音帧的特征向量；

基于所述声学模型，对所述语音帧的特征向量进行音素所划分状态的识别，确定所述语音帧所属状态，根据所述语音帧所属状态得到所述语音数据对应的状态序列；

按照音素划分的状态，由所述语音数据对应的状态序列生成所述语音数据对应的音素集合；

将所述语音数据对应的音素集合输入所述语言模型，进行音素所属词的预测，得到所述语音识别结果。

3.如权利要求2所述的方法，其特征在于，所述针对所述语音数据包含的语音帧，进行声学特征提取，得到所述语音帧的特征向量，包括：

对所述语音数据进行分帧处理，得到所述语音数据包含的若干个所述语音帧；

针对所述语音数据包含的每一个所述语音帧，对所述语音帧进行梅尔频率倒谱系数特征的提取；

根据提取到的梅尔频率倒谱系数特征计算所述语音帧的特征向量。

4.如权利要求3所述的方法，其特征在于，所述对所述语音数据进行分帧处理之前，所述方法还包括：

对所述语音数据进行语音端点检测；

所述对所述语音数据进行分帧处理，包括：

对语音端点检测后的所述语音数据进行分帧处理。

5.如权利要求2所述的方法，其特征在于，所述声学模型为隐马尔可夫模型；

所述基于所述声学模型，对所述语音帧的特征向量进行音素所划分状态的识别，确定所述语音帧所属状态，根据所述语音帧所属状态得到所述语音数据对应的状态序列，包括：

根据所述语音帧的特征向量，在基于所述隐马尔可夫模型构建的状态网络中，搜索与所述语音数据最匹配的状态路径；

根据搜索到的状态路径中各路径节点所指示的所述语音帧所属状态，生成所述语音数据对应的状态序列。

6.如权利要求5所述的方法，其特征在于，所述根据所述语音帧的特征向量，在基于所述隐马尔可夫模型构建的状态网络中，搜索与所述语音数据最匹配的状态路径，包括：

基于所述状态网络中各路径节点所指示的状态，根据所述语音帧的特征向量，计算所述语音帧对应于不同状态的观测概率；以及计算所述语音帧在所对应的不同状态之间转移的转移概率；

根据所述观测概率和所述转移概率，计算所述语音帧属于不同状态的状态概率；

根据所述语音帧属于不同状态的状态概率，确定所述状态网络中与所述语音数据最匹配的状态路径。

7.如权利要求2所述的方法，其特征在于，所述将所述语音数据对应的音素集合输入所述语言模型，进行音素所属词的预测，得到所述语音识别结果，包括：

基于所述语言模型，分别计算所述音素集合中音素属于不同词的语言概率；

将所述音素集合中音素根据计算得到的语言概率组成词，作为所述语音识别结果。

8.如权利要求1所述的方法，其特征在于，所述进行所述目标视频的视频内容数据与所述语音识别结果的比对，根据比对结果生成所述目标视频的敏感词，包括：

根据所述视频内容数据中的参考词，在所述语音识别结果中搜索与所述参考词相匹配的词；

将搜索到的词作为所述目标视频的敏感词。