[发明专利]音频语料智能清洗方法、装置、存储介质和计算机设备

权利要求书

1.一种音频语料智能清洗方法，其特征在于，包括如下步骤：

获取目标音频数据及所述目标音频数据对应的正确文本；

对所述目标音频数据进行切分处理，得到切分处理后的音频片段；根据所述音频片段，基于预置的语音文本切换方法获取所述音频片段对应的翻译文本；

将所述翻译文本与所述正确文本进行动态匹配，得到所述翻译文本对应的所述正确文本中的正确分句文本；

根据所述音频片段和所述正确分句文本，得到清洗处理后的音频语料。

2.根据权利要求1所述的音频语料智能清洗方法，其特征在于，所述将所述翻译文本与所述正确文本进行动态匹配，得到所述翻译文本对应的所述正确文本中的正确分句文本，包括：

对所述正确文本进行切分处理，得到所述正确文本切分处理后的分句文本；

将所述翻译文本与所述分句文本进行动态匹配，从所述分句文本中确定所述翻译文本对应的所述正确文本中的正确分句文本。

3.根据权利要求2所述的音频语料智能清洗方法，其特征在于，所述将所述翻译文本与所述分句文本进行动态匹配，从所述分句文本中确定所述翻译文本对应的所述正确文本中的正确分句文本，包括：

基于最短编辑距离算法，计算所述翻译文本分别与所述正确文本中的预置数量分句文本之间的相似度；

根据所述相似度，从所述预置数量分句文本中确定所述翻译文本对应的所述正确文本中的正确分句文本。

4.根据权利要求3所述的音频语料智能清洗方法，其特征在于，所述基于最短编辑距离算法，计算所述翻译文本分别与所述正确文本中的预置数量分句文本之间的相似度之前，还包括：

获取所述翻译文本的文本序号；

根据所述文本序号，获取文本序号与所述翻译文本对应的分句文本及该分句文本前后各至少一个的分句文本；

将所述文本序号与所述翻译文本对应的分句文本及该分句文本前后各至少一个的分句文本设为所述预置数量分句文本，以用于计算所述翻译文本分别与所述正确文本中的预置数量分句文本之间的相似度。

5.根据权利要求3所述的音频语料智能清洗方法，其特征在于，所述根据所述相似度，从所述预置数量分句文本中确定所述翻译文本对应的所述正确文本中的正确分句文本之后，还包括：

获取所述翻译文本与所述正确分句文本之间的相似度；

若所述翻译文本与所述正确分句文本之间的相似度小于预置阈值，对所述正确分句文本进行二次清洗处理。

6.根据权利要求1所述的音频语料智能清洗方法，其特征在于，所述对所述目标音频数据进行切分处理，得到切分处理后的音频片段，包括：

采用静音抑制技术对所述目标音频数据进行切分处理，得到按语句停顿点切分处理后的多个音频片段。

7.根据权利要求1所述的音频语料智能清洗方法，其特征在于，所述对所述目标音频数据进行切分处理，得到切分处理后的音频片段之前，还包括：

对所述目标音频数据进行预处理，以将预处理后的目标音频数据用于切分处理。

8.一种音频语料智能清洗装置，其特征在于，包括：

音频语料获取单元，用于获取目标音频数据及所述目标音频数据对应的正确文本；

翻译文本获取单元，用于对所述目标音频数据进行切分处理，得到切分处理后的音频片段；根据所述音频片段，基于预置的语音文本切换方法获取所述音频片段对应的翻译文本；

动态匹配单元，用于将所述翻译文本与所述正确文本进行动态匹配，得到所述翻译文本对应的所述正确文本中的正确分句文本；

语料清洗单元，用于根据所述音频片段和所述正确分句文本，得到清洗处理后的音频语料。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的音频语料智能清洗方法。

10.一种计算机设备，其特征在于，其包括：

一个或多个处理器；

存储器；

一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于：执行根据权利要求1至7任一项所述的音频语料智能清洗方法。