[发明专利]语音转写方法、语音转写装置及计算机存储介质

说明书

本公开是关于一种语音转写方法、语音转写装置及计算机存储介质。语音转写方法包括：获取语音包；基于语音包，获取当前转写语音；通过N个语音识别引擎，分别对第k条语音进行语音识别，得到第k条语音对应各语音识别引擎的N个识别结果；基于各语音识别引擎识别第k条语音的置信度以及各语音识别引擎的历史正确率参数，得到各识别结果对应的推荐系数；基于推荐系数，得到识别结果中的最优结果；基于最优结果，得到第k条语音的转写结果。通过本公开提供的方法，能够根据各语音识别引擎的置信度和对应的历史正确参数，为当前转写的第k条语音筛选出准确率高的语音识别结果进行人工校对，进而节约人工校对的时间成本，提高语音转写的工作效率。

技术领域

本公开涉及语音识别技术领域，尤其涉及一种语音转写方法、语音转写装置及计算机存储介质。

背景技术

语音转写，是将实际生活、工作中产生的录音数据中的语音内容转写为相应的文本。待转写完成后将语音和文本构建成语音识别数据库，主要用来训练、优化语音识别中的声学模型，以提高实际应用场景中语音识别引擎的识别准确率。

在语音转写业务中，待转写的语音来源十分广泛，如电话客服、销售、游戏、语音输入、（机器人、音箱）语音搜索、会场（会议，庭审，采访）、字幕生成等多个领域。同一语音识别引擎针对不同语音来源的自动语音识别准确率较低，绝大多数场景下还是利用人工听音频进行手动转写。但是这种工作方式效率极低，导致人工成本较高。

发明内容

为克服相关技术中存在的问题，本公开提供一种语音转写方法、语音转写装置及计算机存储介质。

根据本公开实施例的第一方面，提供一种语音转写方法，包括获取语音包，语音包包括M条待转写语音，其中M为自然数，且M＞1；基于语音包，获取第k条语音，其中k为自然数，且1≤k≤M；通过N个语音识别引擎，分别对第k条语音进行语音识别，得到第k条语音对应各语音识别引擎的N个识别结果，其中N为自然数，且N＞1；基于各语音识别引擎识别第k条语音的置信度以及各语音识别引擎的历史正确率参数，得到各识别结果对应的推荐系数，其中，所述历史正确率参数基于所述语音识别引擎对语音包中已转写的k-1条语音的识别结果进行确定；基于推荐系数，得到N个识别结果中的最优结果；基于最优结果，得到当前转写语音的转写结果。

在一实施例中，各语音识别引擎的历史正确率参数，通过以下方式确定：根据已转写的k-1条语音的转写结果和已转写的k-1条语音分别对应N个语音识别引擎的N个识别结果，得到各语音识别引擎针对各已转写的k-1条语音的识别准确率；根据识别准确率，得到已转写的k-1条语音分别对应N个语音识别引擎中的识别准确率最高的语音识别引擎；根据已转写的k-1条语音分别对应的识别准确率最高的语音识别引擎，确定各语音识别引擎各自累计的正确率评分；根据各语音识别引擎各自的正确率评分以及已转写的k-1条语音的转写数量k-1，确定各语音识别引擎的历史正确率参数。

在另一实施例中，各语音识别引擎识别第k条语音的置信度，通过以下方式确定：通过最小贝叶斯风险算法，评估各语音识别引擎对第k条语音的识别结果，得到各语音识别引擎识别第k条语音的置信度。

在又一实施例中，基于各语音识别引擎识别所述第k条语音的置信度以及各语音识别引擎的历史正确率参数，得到各识别结果对应的推荐系数，包括：通过指定权重，将语音识别引擎识别第k条语音的置信度与语音识别引擎的历史正确率参数进行分权求和，得到语音识别引擎识别第k条语音的识别结果对应的推荐系数。