[发明专利]应样本数据集生成方法、装置及设备

权利要求书

1.一种应样本数据集生成方法，其特征在于，所述方法包括：

通过预定录音设备采集由预定人员根据预定源文本，按照预定不同情绪朗读的第一音频数据；

对所述第一音频数据进行校验完善得到第二音频数据以及第二音频数据对应的标签信息，所述校验完善包括所述情绪的校验完善和所述源文本的校验完善；

对所述第二音频数据进行语音识别，将所述第二音频数据中的音素在所述第二音频数据中出现的时间段添加至所述标签信息；

根据预设的文件存储结构存储所述第二音频数据和所述标签信息，生成样本数据集。

2.根据权利要求1所述的方法，其特征在于，在对所述第一音频数据进行校验完善得到第二音频数据以及第二音频数据对应的标签信息之后，所述方法还包括：

对所述第二音频数据进行音质优化处理，得到第三音频数据，以及第三音频数据对应的标签信息；

根据所述文件存储结构添加所述第三音频数据以及第三音频数据对应的标签信息。

3.根据权利要求2所述的方法，其特征在于，对所述第二音频数据进行音质优化处理，得到第三音频数据，包括：

对所述第二音频数据进行降采样处理、自动增益处理和噪声抑制处理中的一项或者多项处理方式进行处理得到所述第三音频数据。

4.根据权利要求1所述的方法，其特征在于，对所述第一音频数据进行校验完善，包括：

识别所述第一音频数据的朗读情绪；

将所述朗读情绪与预先设定的第一音频数据的情绪进行比较，如果两者匹配，则通过该第一音频数据的校验，如果两者不匹配，则提取所述第一音频数据所预先设定的情绪对应的引导信息，根据所述引导信息重新录制所述第一音频数据。

5.根据权利要求4所述的方法，其特征在于，识别所述第一音频数据的朗读情绪，包括：

将所述第一音频数据输入预先设定的情绪识别模型，识别所述第一音频数据的朗读情绪；

或者，获取录制所述第一音频数据时的视频数据，将所述第一音频数据和所述视频数据输入预先设定的情绪识别模型，识别所述第一音频数据的朗读情绪。

6.根据权利要求1所述的方法，其特征在于，对所述第一音频数据进行校验完善，包括：

对所述第一音频数据进行语音识别处理，得到第一音频数据对应的识别文本；

将所述识别文本与所述第一音频数据对应的源文本进行比较，如果两者的匹配率达到预定值，则通过该第一音频数据的校验，如果两者的匹配率小于预定值，则根据不匹配的文本生成引导信息，根据所述引导信息重新录制所述第一音频数据。

7.根据权利要求1所述的方法，其特征在于，所述标签信息包括所述第二音频数据对应的源文本、识别文本、情绪匹配度、文本匹配度、朗读情绪、文件存放路径和演讲者信息中的一项或者多项。

8.一种应样本数据集生成装置，其特征在于，所述装置包括：

第一音频数据采集单元，用于通过预定录音设备采集由预定人员根据预定源文本，按照预定不同情绪朗读的第一音频数据；

校验完善单元，用于对所述第一音频数据进行校验完善得到第二音频数据以及第二音频数据对应的标签信息，所述校验完善包括所述情绪的校验完善和所述源文本的校验完善；

音素信息确定单元，用于对所述第二音频数据进行语音识别，将所述第二音频数据中的音素在所述第二音频数据中出现的时间段添加至所述标签信息；

存储单元，用于根据预设的文件存储结构存储所述第二音频数据和所述标签信息，生成样本数据集。

9.一种应样本数据集生成设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。