[发明专利]用于纠正文本的方法和装置

权利要求书

1.一种用于纠正文本的方法，包括：

获取应答文本，对所述应答文本进行分割，得到多个句子文本；

针对所述多个句子文本中的每个句子文本，将该句子文本转换成语音，基于转换得到的音频，执行如下纠正步骤：确定转换得到的音频的带声调拼音，以及确定带声调拼音的发音时长；基于所述带声调拼音和预设的拼音无向图，生成目标文本，其中，所述目标文本为不存在错误声调的文本；确定所述目标文本中是否存在发音时长大于预设的发音时长阈值的文字，若不存在，则生成该句子文本对应的纠正后的文本；

按照所述多个句子文本在所述应答文本中由前到后的顺序，合并对应的纠正后的文本，得到纠正后的应答文本。

2.根据权利要求1所述的方法，其中，所述方法还包括：

若存在，则将发音时长大于所述发音时长阈值的文字替换为其它单音字，将替换后的文本进行文本转语音，继续执行所述纠正步骤，其中，所述其它单音字与被替换的文字对应于相同的带声调拼音。

3.根据权利要求1所述的方法，其中，所述确定转换得到的音频的带声调拼音，包括：

基于转换得到的音频，生成多帧音频；

提取所述多帧音频的音频特征向量，将所述音频特征向量输入预设的声学模型中，得到所述多帧音频的音素数据；

利用预设的音素字典，获取与所述音素数据对应的带声调拼音，其中，所述音素字典用于表征音素数据与带声调拼音之间的对应关系。

4.根据权利要求3所述的方法，其中，所述确定带声调拼音的发音时长，包括：

针对带声调拼音中的每个拼音，确定该拼音所对应的音频帧的个数，将所述个数与音频帧的时长的乘积确定为该拼音的发音时长。

5.根据权利要求1所述的方法，其中，所述基于所述带声调拼音和预设的拼音无向图，生成目标文本，包括：

利用双向匹配算法，对预设的拼音无向图进行遍历，确定所述拼音无向图中是否存在与所述音频的带声调拼音相匹配的匹配结果，其中，匹配结果包括纠正结果，纠正结果包括纠正的拼音；

若是，则确定存在的匹配结果中的纠正结果是否包括纠正的拼音；

若是，则利用预设的单音字映射表，查找与所述纠正的拼音相对应的单音字对所述纠正的拼音进行替换，生成纠正后的文本，其中，所述纠正后的文本包括纠正标识，所述纠正标识用于指示替换后的单音字；

利用所述纠正后的文本，对该句子文本进行纠正，得到目标文本。

6.根据权利要求5所述的方法，其中，所述利用所述纠正后的文本，对该句子文本进行纠正，包括：

将所述纠正后的文本中对应于纠正标识的文字替换为通配符，得到待匹配文本；

利用字符串匹配算法，在该句子文本中查找所述待匹配文本所在的位置，将查找到的位置上的字符串替换为所述纠正后的文本。

7.根据权利要求3所述的方法，其中，所述基于转换得到的音频，生成多帧音频，包括：

对转换得到的音频进行静音抑制，对静音抑制后的音频进行分帧，得到多帧音频。

8.一种用于纠正文本的装置，包括：

获取单元，被配置成获取应答文本，对所述应答文本进行分割，得到多个句子文本；

纠正单元，被配置成针对所述多个句子文本中的每个句子文本，将该句子文本转换成语音，基于转换得到的音频，执行如下纠正步骤：确定转换得到的音频的带声调拼音，以及确定带声调拼音的发音时长；基于所述带声调拼音和预设的拼音无向图，生成目标文本，其中，所述目标文本为不存在错误声调的文本；确定所述目标文本中是否存在发音时长大于预设的发音时长阈值的文字，若不存在，则生成该句子文本对应的纠正后的文本；

合并单元，被配置成按照所述多个句子文本在所述应答文本中由前到后的顺序，合并对应的纠正后的文本，得到纠正后的应答文本。