[发明专利]一种用于会议速记系统的音频传输方法

说明书

本发明公开了一种用于会议速记系统的音频传输方法，会议进行时，会议速记终端收录会议音频并按照自然句对音频流进行切割并编号，并将切割后的音频段分别发送至ASR服务器和协同编辑服务器；ASR服务器用于将音频段内容转换成一次文本，协同编辑服务器用于音频定位。会议速记终端按照自然句对音频流进行切割，减小了音频传输过程中占比的带宽，使其传输更加快速，ASR服务器的文本返回速度也更快；一段音频段及其对应文本传输至人工编辑终端后，即可根据该音频段对其对应的文本进行修正，从而实现了对动态生成的会议记录的实时修正。

技术领域

本发明涉及语音速记技术领域，尤其是一种用于会议速记系统的音频传输方法。

背景技术

在会议过程中，由记录人员把会议的组织情况和具体内容记录下来，就形成了会议记录。最传统的形式是由记录人员现场速记并在会议结束之后根据会议录音整理核对会议记录。

随着语音识别技术(ASR)和自然语言处理技术(NLP)的发展，会议中产生的音频能够在会议现场直接实时转换成文字并生成会议记录，极大地减少了记录人员的工作量。

语音识别技术是将人类语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列；自然语言处理技术研究的是如何实现人与计算机之间用自然语言进行有效通信；两者相结合，就能够将人类语音转换为人类语言的书面表达形式——文本。但是，这个转换过程不能保证百分百精准，尤其对于一些没有录入系统中的术语、人物姓名等，系统没有办法判断具体应该是何字。例如输入语音“章子怡”，系统对于这个明星的姓名能够予以识别并转换成正确的文字；输入语音“张二雷”，对于这个陌生的词组，系统只能逐字音译并选择系统设置的默认选项，如系统默认“zhang”优先“章”时，语音“张二雷”可能就会被转换成文字“章二雷”，这就导致了错误的存在。当然，实际的错误不仅限于此。

现有的会议速记系统的准确率基本在90-95％左右，对于文本中存在的错误，有必要进行修正。目前，采用的修正方式，主要还是会议结束之后，记录人员根据会议录音对会议记录进行整理核对，使得会议记录成稿的生成存在一定的延时性，存在一定的不便之处。随之容易想到的，最优的修正方式，当然是对音频转换而成的文本进行实时修改，但是存在的技术障碍是，如何实现一边音频正在录入，一边文本正在生成的同时，对文本进行及时、快速地修正，也就是如何对正在动态生成的文本进行及时、快速地修正。

发明内容

针对上述问题，本发明提供一种有助于会议速记系统实现对正在动态生成的文本进行及时、快速地修正的音频传输方法。

一种用于会议速记系统的音频传输方法，会议进行时，会议速记终端收录会议音频并按照自然句对音频流进行切割并编号，并将切割后的音频段分别发送至ASR服务器和协同编辑服务器；ASR服务器用于将音频段内容转换成一次文本，协同编辑服务器用于音频定位。

进一步的，会议速记终端在切割音频流时，对每一音频段的开始时间、结束时间、音频代码进行记录并生成日志文件；会议速记终端将日志文件中的一种或多种音频特征信息连通音频段一起发送至ASR服务器。

进一步的，切割音频段之间的时间间隔为0.00001ms；音频段时长限制在60s以内。

进一步的，会议速记终端切割音频流的同时，复制音频流并发送至协同编辑服务器。

进一步的，当会议速记终端检测到网络中断时，停止向ASR服务器发送数据，并将数据暂时存放于内存中，当网络再次连接时，通过内存将数据有序发送给ASR服务器。