[发明专利]一种近场语料采集方法及装置

说明书

本发明涉及语音识别技术领域，公开了一种近场语料采集方法及装置，该方法包括：获取采集任务；通过语音程序采集所述采集任务所需的语音；将所述语音上传至服务器，并将所述语音转化为预设格式的语料文件；通过微信等语音程序，能够迅速采集大量语料，并自动转化为预定格式的语料文件，进而便于自动审核，提高了语料采集时间和质量，提高了语料采集效率。

技术领域

本发明涉及语音识别技术领域，尤其涉及一种近场语料采集方法及装置。

背景技术

目前，语音识别的语料采集方法五花八门，采集使用的设备也是多种多样，由于说话的随意性以及声音的大小不同，采集到的语料质量得不到保障。

语音识别的结果的好坏很大程度上依赖于语料的质量，在语料质量得不到保障的情况下，无论使用什么改进手法都很难再提升识别的效果。

发明内容

本发明的主要目的在于提出一种近场语料采集方法及装置，通过微信等语音程序，能够迅速采集大量语料，并自动转化为预定格式的语料文件，进而便于自动审核，提高了语料采集时间和质量，提高了语料采集效率。

为实现上述目的，本发明提供的一种近场语料采集方法，包括：

获取采集任务；

通过语音程序采集所述采集任务所需的语音；

将所述语音上传至服务器，并将所述语音转化为预设格式的语料文件。

可选地，所述采集任务包括：词条、词条分类和任务控制信息。

可选地，所述通过语音程序采集所述采集任务所需的语音包括：

通过语音程序领取所述采集任务；

读取所述采集任务中的任务控制信息，所述任务控制信息包括语音对象信息和采集数量；

根据所述采集数量采集所述采集任务所需的语音。

可选地，所述将所述语音上传至服务器，并将所述语音转化为预设格式的语料文件之后还包括：

通过第三方在线语音识别平台识别所述语料文件；

根据所述任务控制信息对所述语料文件进行自动审核，若审核通过则将所述语料文件存储至语料库，否则，进行人工审核。

可选地，所述语音对象信息包括口音、年龄段和性别。

作为本发明的另一方面，提供的一种近场语料采集装置，包括：

获取模块，用于获取采集任务；

采集模块，用于通过语音程序采集所述采集任务所需的语音；

转化模块，用于将所述语音上传至服务器，并将所述语音转化为预设格式的语料文件。

可选地，所述采集任务包括：词条、词条分类和任务控制信息。

可选地，所述采集模块包括：

领取单元，用于通过语音程序领取所述采集任务；

读取单元，用于读取所述采集任务中的任务控制信息，所述任务控制信息包括语音对象信息和采集数量；

采集单元，用于根据所述采集数量采集所述采集任务所需的语音。

可选地，还包括：

审核模块，用于通过第三方在线语音识别平台识别所述语料文件；根据所述任务控制信息对所述语料文件进行自动审核，若审核通过则将所述语料文件存储至语料库，否则，进行人工审核。

可选地，所述语音对象信息包括口音、年龄段和性别。