[发明专利]音频标注方法、装置、计算机可读介质及电子设备

权利要求书

1.一种音频标注方法，其特征在于，所述方法包括：

获取音频文件，根据所述音频文件的音频时长建立音频进度条，所述音频文件包括人机交互对话中的机器语音片段和用户话术片段；

识别所述音频文件中的机器语音片段和用户话术片段，并记录所述用户话术片段在所述音频文件中的起始时间；

获取所述用户话术片段的标注标签；所述标注标签包括用户对所述用户话术片段做的标注内容；

基于所述起始时间，在所述音频进度条上生成标注点，将所述标注标签嵌入到所述标注点上。

2.根据权利要求1所述的音频标注方法，其特征在于，获取音频文件，根据所述音频文件的音频时长建立音频进度条，包括：

获取音频文件、第一触摸点和第二触摸点；

将所述第一触摸点和所述第二触摸点的连线作为初始进度条；

将所述音频文件的音频时长映射到所述初始进度条上，得到所述音频进度条。

3.根据权利要求1所述的音频标注方法，其特征在于，识别所述音频文件中的机器语音片段和用户话术片段，包括：

解析所述音频文件，获得待识别声纹特征，所述待识别声纹特征包括频率特征、音色特征和音调特征；

将所述待识别声纹特征与预设的机器声纹特征进行相似度计算；

将满足相似度阈值的所述待识别声纹特征对应的音频片段作为所述机器语音片段；

将所述音频文件中除机器语音片段之外的音频片段作为所述用户话术片段。

4.根据权利要求3所述的音频标注方法，其特征在于，将所述待识别声纹特征与预设的机器声纹特征进行相似度计算，包括：

计算所述待识别声纹特征中的频率特征与预设的机器语音声纹特征中的频率特征的相似度，得到第一相似度；

计算所述待识别声纹特征中的音色特征与预设的机器语音声纹特征中的音色特征的相似度，得到第二相似度；

计算所述待识别声纹特征中的音调特征与预设的机器语音声纹特征中音调特征的相似度，得到第三相似度。

5.根据权利要求4所述的音频标注方法，其特征在于，将满足相似度阈值的所述待识别声纹特征对应的音频片段作为所述机器语音片段，包括：

当所述待识别声纹特征的第一相似度大于第一预设阈值、第二相似度大于第二预设阈值、且第三相似度大于第三预设阈值时，将所述待识别声纹特征对应的音频片段作为所述机器语音片段。

6.根据权利要求3所述的音频标注方法，其特征在于，记录所述用户话术片段在所述音频文件中的起始时间，包括：

获取所述音频文件中的特征变化点，所述特征变化点包括所述待识别声纹特征发生改变时的时间点；

筛选所述特征变化点，将从所述机器语音片段对应的待识别声纹特征改变为用户话术片段对应的待识别声纹特征时的时间点记录为起始时间。

7.根据权利要求1所述的音频标注方法，其特征在于，将所述标注标签嵌入到所述标注点上，包括：

在所述标注点上设置上拉框，所述上拉框基于所述标注点的点击来触发显示；

将所述标注标签输入到所述上拉框中。

8.一种音频标注装置，其特征在于，包括：

进度条建立模块，被配置为获取音频文件，根据所述音频文件的音频时长建立音频进度条，所述音频文件包括人机交互对话中的机器语音片段和用户话术片段；

识别模块，被配置为识别所述音频文件中的机器语音片段和用户话术片段，并记录所述用户话术片段在所述音频文件中的起始时间；

标签获取模块，被配置为获取所述用户话术片段的标注标签；所述标注标签包括用户对所述用户话术片段做的标注内容；

标注模块，被配置为基于所述起始时间，在所述音频进度条上生成标注点，将所述标注标签嵌入到所述标注点上。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任意一项所述的音频标注方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任意一项所述的音频标注方法。