[发明专利]语音训练数据生成方法、装置、设备及可读存储介质在审
| 申请号： | 201910342237.0 | 申请日： | 2019-04-26 |
| 公开（公告）号： | CN110210299A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 彭捷 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/34;G10L15/22 |
| 代理公司： | 北京市京大律师事务所 11321 | 代理人： | 刘挽澜 |
| 地址： | 518033 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及数据采集技术领域，公开了一种语音训练数据生成方法、装置、设备及可读存储介质。语音训练数据生成方法包括：获取视频文件，并检测所述视频文件是否为目标视频文件；若所述视频文件为目标视频文件，则对所述目标视频文件进行图像分帧处理，得到若干图片帧；对每张图片帧进行OCR识别，得到每张图片帧的OCR识别结果；将OCR识别结果相同的图片帧归集到同一组，得到若干图片组；提取每个图片组对应的子音频文件，并将每个图片组分别对应的子音频文件与OCR识别结果关联为一组语音训练数据，得到若干语音训练数据。通过本发明，大大提高了生成语音训练数据的效率，且降低了生成成本。 | ||
| 搜索关键词： | 语音训练数据 图片帧 目标视频文件 视频文件 图片组 可读存储介质 音频文件 数据采集技术 分帧 关联 图像 检测 | ||
【主权项】：
1.一种语音训练数据生成方法，其特征在于，所述语音训练数据生成方法包括以下步骤：获取视频文件，并检测所述视频文件是否为目标视频文件；若所述视频文件为目标视频文件，则对所述目标视频文件进行图像分帧处理，得到若干图片帧；对每张图片帧进行OCR识别，得到每张图片帧的OCR识别结果；将OCR识别结果相同的图片帧归集到同一组，得到若干图片组；提取每个图片组对应的子音频文件，并将每个图片组分别对应的子音频文件与OCR识别结果关联为一组语音训练数据，得到若干语音训练数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于平安科技（深圳）有限公司，未经平安科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910342237.0/，转载请声明来源钻瓜专利网。
