[发明专利]一种文本提取方法、系统、设备及介质

说明书

本发明提供一种文本提取方法、系统、设备及介质，通过采集录制的音频数据，然后对所录制的音频数据进行声纹识别，获取对应的声纹信息；再然后将所获取的声纹信息与标准声纹信息同时输入至神经网络中进行声纹比对识别，确定所录制的音频数据中是否存在目标对象的声纹信息，如果存在，则从所录制的音频数据中截取出目标对象的音频数据，然后对目标对象的音频数据进行语音识别，得到对应的语音识别文本；再获取预先确定的关键词，然后从语音识别文本中提取出与这些关键词相关联的文本，从而得到目标对象在会议中所陈述的文本内容。本发明可以直接提取目标对象的发言内容，极大地提高了工作人员对录制音频数据的整理速度和整理效率。

技术领域

本发明涉及数据识别技术领域，特别是涉及一种文本提取方法、系统、设备及介质。

背景技术

目前，传统会议一般是由会议组织方将多个与会人员聚集在某个会议室中，然后由主讲人员在会议室内讲解会议内容，并在会议室内的显示设备上实时播放其所讲解的会议内容，从而方便与会人员对会议内容进行沟通和讨论。而工作人员为了方便记录会议内容，一般是预先采用录音设备对与会人员的沟通和讨论结果进行录制，然后再根据所录制的音频来整理会议内容，形成对应的文字记载。但是，在同一会议中存在多个会议主题时，与会人员可能会在同一时间对多个会议主题进行发言，导致工作人员在整理不同的会议主题内容时，会重复听取音频，然后再从音频中选取与不同会议主题内容关联的发言内容。而这种整理方式不仅会使工作人员耗费大量的时间来听取一些非关键性的会议内容，同时还降低了工作人员的整理速度和整理效率。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种文本提取方法、系统、设备及介质，用于解决现有技术中根据录制音频整理会议内容时速度慢和效率低的问题。

为实现上述目的及其他相关目的，本发明提供一种文本提取方法，包括以下步骤：

获取在目标区域形成的第一音频数据；

对所述第一音频数据进行声纹识别，获取对应的目标声纹信息；

将所述目标声纹信息与标准声纹信息进行比对识别，判断所述目标声纹信息中是否存在目标对象的声纹信息；其中，所述标准声纹信息仅包含所述目标对象的声纹信息；

若所述目标声纹信息中存在所述目标对象的声纹信息，则从所述第一音频数据中截取出包括有所述目标对象的第二音频数据，并对所述第二音频数据进行语音识别，获取第二语音识别文本；

获取预先确定的关键词，并从所述第二语音识别文本中提取出与所述关键词关联的文本，作为目标文本。

可选地，若所述目标声纹信息中不存在所述目标对象的声纹信息，则还包括：

判断所述第一音频数据中是否存在不同的音频特征；所述音频特征包括：音调、响度和音色；

若不存在不同的音频特征，则对所述第一音频数据进行语音识别，获取第一语音识别文本，以及按照预先确定的关键词从所述第一语音识别文本中提取出与所述关键词关联的文本，作为目标文本；

若存在不同的音频特征，则按照存在的音频特征的数量将所述第一音频数据分割为多个第三音频数据，并对多个所述第三音频数据进行语音识别，获取对应的多个第三语音识别文本，以及按照预先确定的关键词从多个所述第三语音识别文本中提取出与所述关键词关联的文本，作为目标文本。

可选地，在对所述第一音频数据进行声纹识别前，还包括：

确定出所述第一音频数据中仅包含有人声的音频片段和不包含人声的音频片段；

计算每个仅包含人声的音频片段的音频能量值，并对所有的音频能量值进行求和，得到第一音频能量值；

计算每个不包含人声的音频片段的音频能量值，并对所有的音频能量值进行求和，得到第二音频能量值；