[发明专利]一种将音视频数据转化成文字记录的系统和方法

摘要

本发明涉及一种将音视频数据转化成文字记录的系统和方法，其中系统包括数据收集部分、数据识别部分以及数据组织部分；所述数据收集部分包括音频采集模块和视频采集模块；所述数据识别部分包括语音和声纹识别模块以及人脸和表情识别模块；所述数据组织部分根据所述文字信息、识别的开始时间、当前说话者的身份标签、当前说话者的情绪，生成文字记录。本发明更加细致完整地保存整个音视频数据过程，更贴近真实的情况；本发明将音视频数据转换为文本格式进行保存，大大降低了存储和传输的成本，也便于后续查看记录，可以更加快速地浏览和定位会议内容。

主权项

1.一种将音视频数据转化成文字记录的系统，其特征在于，包括数据收集部分、数据识别部分以及数据组织部分；所述数据收集部分包括音频采集模块和视频采集模块；所述音频采集模块用于捕获当前说话者的音频数据；根据所述音频采集模块捕获的当前说话者的音频数据的强度大小，获取并记录其说话的开始时间；所述视频采集模块用于捕获当前说话者的图像；根据所述视频采集模捕获的当前说话者的图像，获取并记录其说话的开始时间；所述音频采集模块和所述视频采集模块采用相同的标准时间；所述数据识别部分包括语音和声纹识别模块以及人脸和表情识别模块；所述语音和声纹识别模块对所述音频采集模块捕获的音频数据进行处理，将其转化成文本格式的文字信息，并对所述音频采集模块捕获的音频数据进行处理，用以识别当前说话者，并对每个说话者赋予一个身份标签；所述人脸和表情识别模块利用表情识别技术对所述视频采集模块捕获的图像进行处理，识别当前说话者的表情，获得该说话者的情绪，并对所述视频采集模块捕获的图像进行处理，用以识别当前说话者，并对每个说话者赋予一个身份标签；所述数据组织部分根据所述文字信息、所述音频采集模块记录的当前说话者的说话的开始时间、所述视频采集模块记录的当前说话者的说话的开始时间、所述语音和声纹识别模块对当前说话者赋予的身份标签、所述人脸和表情识别模块对当前说话者赋予的身份标签以及当前说话者的情绪，生成文字记录；其中，根据所述音频采集模块记录的当前说话者的说话的开始时间和所述视频采集模块记录的当前说话者的说话的开始时间，将所述语音和声纹识别模块对当前说话者赋予的身份标签与所述人脸和表情识别模块对当前说话者赋予的身份标签进行统一。