[发明专利]一种语音数据处理方法及装置

权利要求书

1.一种语音数据处理方法，其特征在于，所述方法包括：

获取待处理的语音数据；

将所述语音数据转换为语音文本，所述语音文本包括文本内容及所述文本内容对应的时间信息；

获取所述语音文本的篇章结构信息，所述篇章结构信息用于指示所述语音文本可被划分成的篇章；

根据所述语音文本及对应语音数据，对所述语音文本进行段落划分，以将所述语音文本划分为一个或多个段落；

根据每个段落的文本内容以及文本内容对应的时间信息，提取每个段落的结构特征；

根据每个段落的结构特征及预设的结构判断模型确定每个段落所属的篇章；

根据每个段落所属的篇章以及段落与语音数据片段的对应关系，标识出各语音数据片段所属的篇章，以实现所述语音数据的结构化。

2.根据权利要求1所述的方法，其特征在于，对所述语音文本进行段落划分，包括：

根据所述语音数据进行说话人变化点检测，以确定每个所述说话人变化点的位置；

根据所述说话人变化点的位置以及预设的段落长度阈值，对所述语音文本进行段落划分。

3.根据权利要求2所述的方法，其特征在于，根据所述说话人变化点的位置以及预设的段落长度阈值，对所述语音文本进行段落划分，包括：

将两个所述说话人变化点之间的文本内容作为一个候选段落；

判断所述候选段落的长度是否超过所述段落长度阈值；

如果未超过所述段落长度阈值，则将所述候选段落确定为一个段落；

如果超过了所述段落长度阈值，则根据预设规则将所述候选段落拆分为两个或多个段落。

4.根据权利要求1所述的方法，其特征在于，提取每个段落的结构特征，包括：

对当前段落进行文本顺滑及删除停止词的处理；

获取当前段落说话人在整个语音数据中的发言总次数、当前段落的文本顺滑比例、当前段落的停止词数，作为当前段落的结构特征。

5.根据权利要求4所述的方法，其特征在于，所述结构特征还包括以下一种或多种：

当前段落的无声段平均时长、当前段落的无声段时长标准差、当前段落的有效语音文本段平均字数，其中有效语音文本段为有效语音段所对应的文本。

6.根据权利要求1所述的方法，其特征在于，根据每个段落的结构特征及预设的结构判断模型确定每个段落所属的篇章，包括：

将每个段落的结构特征作为所述结构判断模型的输入，得到每个段落的所属篇章概率向量；

在各个所述概率向量所组成的概率矩阵中搜索最优路径，根据所述最优路径确定每个段落最终所属的篇章。

7.根据权利要求6所述的方法，其特征在于，在各个所述概率向量所组成的概率矩阵中搜索最优路径之前，所述方法还包括：

使用下述方式对所述概率矩阵进行规整：

将每个段落的概率向量中概率最大值所对应的篇章，作为每个段落所属篇章的初步判断结果；

根据所述初步判断结果查找第一类异常段落和第二类异常段落，所述第一类异常段落为一个篇章中只包含一个段落的段落，所述第二类异常段落为前后相邻段落所属篇章相同但当前段落所属篇章与前后相邻段落所属篇章不同的段落；

对于第一类异常段落，计算并比较所述第一类异常段落的概率向量与其前后相邻段落的概率向量之间的距离，使用距离较小的段落的概率向量替换所述第一类异常段落原先的概率向量；

对于第二类异常段落，将所述第二类异常段落属于指定篇章的概率设置为最大值，所述指定篇章为前后相邻段落所属篇章。

8.根据权利要求1所述的方法，其特征在于，标识出各语音数据片段所属的篇章，包括：

在所述语音数据的波形图上，使用不同颜色标识出不同篇章的波形。

9.根据权利要求1所述的方法，其特征在于，标识出各语音数据片段所属的篇章，包括：

在所述语音数据的进度条上，添加各语音数据片段所属篇章的标识。