[发明专利]语音识别多信息文本获取装置及方法

说明书

技术领域

本发明涉及计算机语音识别技术领域，特别涉及一种语音识别多信息文本获取装置及方法。 

背景技术

近二十年来，语音识别技术取得显著进步，已经获得越来越广泛的应用。预计在未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。 

所谓语音识别，是指计算机或机械等自动理解人的语音。例如，通过利用语音识别，使计算机或机械能够根据人的语音进行动作，或者能够使人的语音变换为文字。语音识别中主要采用的方法是，抽取发出的语音所具有的频谱等物理特征，与预先存储的母音、子音或单词的物理特征模型进行比较，最终得到同人的语音内容相同的表达信息。但现有技术中，通过语音识别技术获取的文本信息通常只能是纯文本信息，所述纯文本信息是指文字大小格式统一、除标点符号外没有特殊符号的文本信息，说明书中所有提及纯文本信息之处均指此意。因此语音中的很多有价值的信息，例如说话人的语速、重音、音调等信息，无法在语音识别后的纯文本信息中表现出来。 

发明内容

本发明要解决的技术问题是提供一种语音识别多信息文本获取装置及方法，以解决现有技术中通过语音识别技术获取的文本信息通常只能是纯文本信 息，语音中的很多有价值的信息无法在语音识别后的文本信息中变现出来的问题。 

为解决上述技术问题，本发明提供一种语言识别多信息文本获取装置，包括： 

纯文本信息及单字发音时间生成模块，用于通过语音识别将语音音频转换为纯文本信息，同时用于获得语音音频中的单字发音时间，通过所述单字发音时间的长短确定单字发音语速； 

多信息文本生成模块，用于将所述纯文本信息生成多信息的文本信息。 

可选的，还包括单字发音强度计算模块，用于依据所述单字发音时间计算得到单字发音强度。 

可选的，所述多信息文本生成模块用于在所述纯文本信息中整合所述单字发音语速和/或所述单字发音强度的信息生成多信息的文本信息。 

可选的，还包括单字语调计算模块，用于依据所述单字发音时间计算得到单字发音语调。 

可选的，所述多信息文本生成模块用于在所述纯文本信息中整合所述单字发音语速和/或所述单字发音强度和/或单字发音语调的信息生成多信息的文本信息。 

本发明还提供一种语音识别多信息文本获取方法，包括以下步骤： 

步骤一，通过语音识别将语音音频转换为纯文本信息，同时获得语音音频中的单字发音时间，进而通过所述单字发音时间的长短确定单字发音语速； 

步骤二，将所述纯文本信息生成多信息的文本信息。 

可选的，所述步骤二中，在所述纯文本信息中整合所述单字发音语速的信息生成多信息的文本信息。 

可选的，在所述步骤一和步骤二之间还包括依据所述单字发音时间计算得到单字发音强度和/或单字发音语调的步骤。 

可选的，所述步骤二中，在所述纯文本信息中整合所述单字发音语速和/或所述单字发音强度和/或所述单字发音语调的信息生成多信息的文本信息。 

可选的，所述单字发音语调利用所述单字发音时间通过基频提取技术计算得到。 

可选的，所述单字发音强度通过计算所述单字发音时间内发音强度的均值而得到。 

本发明的语音识别多信息文本获取装置及方法在通过语音识别将语音音频转换为纯文本信息之后，还将语音音频中的单字发音语速、单字发音强度、单字发音语调通过一定表现方式整合至初始生成的纯文本信息中生成多信息的文本信息。本发明的语音识别多信息文本获取装置及方法可广泛应用于微博、短信和签名档等信息发布平台。 

附图说明

图1为本发明的语音识别多信息文本获取装置的一实施例架构示意图； 

图2为本发明的语音识别多信息文本获取装置的另一实施例架构示意图； 

图3为本发明的语音识别多信息文本获取方法一实施例流程示意图； 

图4为本发明的语音识别多信息文本获取方法另一实施例流程示意图； 

图5为本发明的一种多信息的文本信息的示意图； 

图6为本发明的另一种多信息的文本信息的示意图。 

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面对本发明的具体实施方式做详细的说明。