[发明专利]语音数据标注方法和装置，电子设备

说明书

本发明提供了一种语音数据标注方法和装置以及电子设备，其中，所述方法包括：将语音数据和文本输入预先训练的声学模型中，得到每帧语音针对全部音素的后验概率以及对齐结果；根据所述对齐结果，确定每个音素对应的各第一语音帧；针对所述文本中的每个音素，依据所述第一语音帧针对所述音素的后验概率，确定所述音素是否为存疑音素；在所述文本中对各所述存疑音素进行第一标记。本发明提供的语音数据标注方法，既可提升人工语音数据标注结果的准确度，有能够节省人工进行语音数据标注的人力消耗。

技术领域

本发明涉及语音识别技术领域，特别是涉及一种语音数据标注方法和装置，电子设备。

背景技术

目前，随着人工智能技术的突破，语音作为人机交互的重要环节，地位也越来越突出。但由于不同地域相应的语音差异较大，为建立一个有效的声学模型需要对海量语音数据进行标注。

在语音数据标注中，需要根据声音标注文本。一般通过大量外包人员进行数据标注，对标注后的数据进行验收，以确定标注正确率是否达标。完全凭借人工进行数据标注的方式，不仅需要消耗大量的人力资源，且由于人工操作易出错。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种语音数据标注方法及装置，电子设备。

第一方面，本发明实施例公开了一种语音数据标注方法，其中，所述方法包括：

将语音数据和文本输入预先训练的声学模型中，得到每帧语音针对全部音素的后验概率以及对齐结果；

根据所述对齐结果，确定每个音素对应的各第一语音帧；

针对所述文本中的每个音素，依据所述第一语音帧针对所述音素的后验概率，确定所述音素是否为存疑音素；

在所述文本中对各所述存疑音素进行第一标记，其中，所述第一标记用于指示所述音素待校准。

可选地，针对所述文本中的每个音素，依据所述第一语音帧针对所述音素的后验概率，确定所述音素是否为存疑音素的步骤，包括：

针对所述文本中的每个音素，依据所述第一语音帧针对所述音素的后验概率，确定所述音素对应的后验概率平均值；

将所述后验概率平均值与预设概率阈值进行比较；

在所述后验概率平均值小于所述预设概率阈值的情况下，确定所述音素为存疑音素。

可选地，所述在所述文本中对各所述存疑音素进行第一标记的步骤，包括：

在所述文本中，突出显示所述存疑音素；或者，

在所述文本中，为各所述存疑音素添加预设标记。

可选地，在所述文本中对各所述存疑音素进行第一标记的步骤之后，所述方法包括：

将添加第一标记后的所述文本，转化成预设格式的目标文本；

将所述目标文本以及所述语音数据发送至语音数据标注方，以便所述语音数据标注方结合所述目标文本中的第一标记对所述语音数据进行标注。

可选地，在所述将所述目标文本以及所述语音数据发送至语音数据标注方的步骤之后，所述方法还包括：

获取所述语音数据标注方的标注文本；

对所述标注文本中的各标注的可靠性进行判定；

为所述标注文本中的各非可靠标注添加第二标注。

第二方面，本发明实施例公开了一种语音数据标注装置，其中，所述装置包括：

输入模块，用于将语音数据和文本输入预先训练的声学模型中，得到每帧语音针对全部音素的后验概率以及对齐结果；