[发明专利]一种数据处理方法、装置、设备及介质

说明书

本发明公开了一种数据处理方法、装置、设备及介质，用以解决无法通过电子设备对标注数据的质量进行质检的问题。在对标注数据进行质检的过程中，通过语音合成模型，基于待质检的标注数据以及该标注数据对应的音频数据，可以获取到该标注数据对应的质检数据，而该质检数据表征标注数据中的每个字符与该标注数据对应的音频数据中的每个音频帧的对应关系，根据该标注数据对应的质检数据，即可确定该标注数据是否正确，从而实现无需人工对待质检的标注数据进行质检，减少了质检人员的工作量，减小质检人员的工作能力对质检效率和准确性的影响，并且方便追溯与定位标注错误的标注数据。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种数据处理方法、装置、设备及介质。

背景技术

现有技术中，一般是基于语音合成模型，实现将文本信息转化成语音信息的。为了获取到语音合成模型，一般需要大量的语音样本以及每个语音样本对应的标注数据，对原始语音合成模型进行训练。在相同模型结构下，基于海量优质的训练语音样本以及每个训练语音样本对应的标注数据，可以训练出高精度的语音合成模型。在对训练完成的语音合成模型的测试过程中，测试语音样本的数量、样本训练集与样本测试集的均衡度以及测试语音样本对应的标注数据的质量，对该训练完成的语音合成模型的测试结果影响非常大。基于此，语音样本(包括测试语音样本和训练语音样本)对应的标注数据的质量是影响语音合成模型的精度的重要因素之一，如何提高语音样本对应的标注数据的质量是近几年来人们日益关注的问题。

目前，语音样本的标注与质检工作主要是通过人工的方式完成的，虽然出现了一些标注工具，例如语音标注工具Praat，以辅助人工进行标注，但是在质检语音样本对应的标注数据时，仍然需要依靠人工的方式进行，而人工质检是一项耗时、耗力、耗财的任务。在待质检的标注数据非常多的情况下，不仅质检人员的工作量会非常的大，最终所获取的质检结果也会不可避免的存在误差，影响标注数据的质检结果，使得人工质检的弊端尤为明显。因此，迫切的需要一种可以自动完成标注数据的质检的方法。

发明内容

本发明实施例提供了一种数据处理方法、装置、设备及介质，用以解决无法通过电子设备对标注数据的质量进行质检的问题。

本发明实施例提供了一种数据处理方法，所述方法包括：

获取任一待质检的标注数据以及所述标注数据对应的音频数据，所述标注数据包括所述音频数据对应的文本数据及其第一文本特征；

基于所述标注数据和所述音频数据，通过语音合成模型的解码器，确定所述标注数据对应的质检数据，所述质检数据表征所述标注数据中的每个字符与所述音频数据中的每个音频帧的对应关系；

根据所述标注数据对应的质检数据，判断所述标注数据是否正确。

本发明实施例提供了一种数据处理装置，所述装置包括：

获取单元，用于获取任一待质检的标注数据以及所述标注数据对应的音频数据，所述标注数据包括所述音频数据对应的文本数据及其第一文本特征；

确定单元，用于基于所述标注数据和所述音频数据，通过语音合成模型的解码器，确定所述标注数据对应的质检数据，所述质检数据表征所述标注数据中的每个字符与所述音频数据中的每个音频帧的对应关系；

判断单元，用于根据所述标注数据对应的质检数据，判断所述标注数据是否正确。

本发明实施例提供了一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任一所述数据处理方法的步骤。

本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一所述数据处理方法的步骤。