[发明专利]训练文本生成方法、装置、电子设备及存储介质

权利要求书

1.一种训练文本生成方法，包括：

对音频进行识别处理，以得到初始语音文本和参考语音文本，其中，参考语音文本是指对所述音频进行语音识别处理后得到的文本数据，所述初始语音文本是指对视频中的视频帧进行字符识别处理后得到的文本数据；

确定所述初始语音文本和所述参考语音文本之间的相似度信息；

根据所述相似度信息，从所述初始语音文本之中确定出第一目标语音文本；其中，所述第一目标语音文本是指对所述初始语音文本进行编辑处理后的语音文本；以及

根据所述第一目标语音文本和所述参考语音文本，生成训练文本；

其中，在所述根据所述相似度信息，从所述初始语音文本之中确定出第一目标语音文本之后，还包括：根据所述第一目标语音文本对所述参考语音文本进行纠错处理，以得到第二目标语音文本；

所述根据所述第一目标语音文本和所述参考语音文本，生成训练文本，包括：根据所述第一目标语音文本对所述参考语音文本进行纠错处理，以得到第二目标语音文本；确定所述第一目标语音文本之中初始子文本的第一置信度；确定第二目标语音文本之中与初始子文本相对齐的参考子文本的第二置信度；根据所述第一置信度和所述第二置信度确定训练子文本，其中，所述训练子文本是初始子文本，或者是与初始子文本相对齐的参考子文本；根据多个训练子文本，生成训练文本；

其中，所述根据所述第一置信度和所述第二置信度确定训练子文本，包括：如果所述第一置信度大于所述第二置信度，则所述训练子文本是所述初始子文本；如果所述第一置信度小于所述第二置信度，则所述训练子文本是与所述初始子文本相对齐的所述参考子文本；如果所述第一置信度等于所述第二置信度，则所述训练子文本是所述初始子文本，或者是与所述初始子文本相对齐的所述参考子文本。

2.根据权利要求1所述的方法，其中，所述根据所述相似度信息，从所述初始语音文本之中确定出第一目标语音文本，包括：

基于所述相似度信息，对所述初始语音文本和所述参考语音文本进行对齐处理；

从对齐处理后的所述初始语音文本之中确定出所述第一目标语音文本。

3.根据权利要求2所述的方法，所述初始语音文本包括：多个初始子文本，所述参考语音文本包括：多个参考子文本；

其中，所述基于所述相似度信息，对所述初始语音文本和所述参考语音文本进行对齐处理，包括：

基于所述相似度信息，对所述初始子文本和所述参考子文本进行对齐处理；

其中，所述从对齐处理后的所述初始语音文本之中确定出所述第一目标语音文本，包括：

确定对齐处理后的所述初始语音文本和所述参考语音文本的对齐边界；

对所述初始语音文本中位于所述对齐边界之外的部分所述初始子文本进行删除处理，并将所述初始语音文本中剩余的初始子文本共同作为所述第一目标语音文本。

4.根据权利要求3所述的方法，其中，所述确定所述初始语音文本和所述参考语音文本之间的相似度信息，包括：

确定所述初始子文本分别与所述多个参考子文本之间的多个初始编辑距离；

从所述多个初始编辑距离之中确定出目标编辑距离；

将与所述多个初始子文本分别对应的多个目标编辑距离共同作为所述相似度信息。

5.根据权利要求4所述的方法，其中，所述从所述多个初始编辑距离之中确定出目标编辑距离，包括：

从所述多个初始编辑距离之中确定出距离最小的所述初始编辑距离，并将所述距离最小的所述初始编辑距离作为所述目标编辑距离。