CN114141235B 语音语料库生成方法、装置、计算机设备和存储介质 （招联消费金融股份有限公司）

本申请涉及一种语音语料库生成方法、装频集合中每个音频，通过待优化的语音识别模别模型的识别准确率低于待优化的语音识别模2针对所述音频集合中每个音频，通过待优化的语音识别模型、分别确定所述第一转录文本和所述第二转录文本相较于所述最优转录文本的差异信将所述音频和所述最优转录文本输入所述待优化语音识别模型基于每个音频所对应的所述差异信息和所述损失值，从所述音频集将筛选的音频和相应最优转录文本作为一组数据存储至基于所述语音语料库中各组数据优化所述待优化语将所述初始音频集合中的音频分别输入所述最优语音识别模型，得基于所述最优转录文本和音频相关信息对所述初始音频集合中的音频进行初步筛选所述基于所述差异信息和所述损失值，从所述音频集合中筛选出满足基于所述差异信息、所述损失值和所述困惑度指标，从所述音频集针对所述第一转录文本和所述第二转录文本中的任意一种转基于所述字数得到所述任意一种转录文本相较于所述最优转针对每个音频，确定相应所述第一转录文本和第二转录文本若所述接近程度满足预设接近条件、且所述损失值小于预3针对未筛选出的音频，获取针对所述音频标注的至少两份人将所述音频和所述复核标注文本存储至所述7.根据权利要求1至6任一项所述的方法将所述音频相关信息和所述筛选信息集合，输入至训练好的所述音频质量基于所述标注难度，将未筛选出的音频分组，以使得相应标注特征提取模块，用于分别确定所述第一转录文本和所述第筛选模块，用于基于每个音频所对应的所述差异信息和9.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1至7中任一项所述的4本和第二转录文本；所述参照语音识别模型的识别准确率低于所述待优化的语音识别模[0007]分别确定所述第一转录文本和所述第二转录文本相较于所述最优转录文本的差[0014]基于所述最优转录文本和音频相关信息对所述初始音频集合中的音频进行初步5[0022]在其中一个实施例中，所述基于每个音频所对应的所述从所述音频集合中筛选出满足高质量条件的工标注文本是通过不同标注人员分别针对所述音[0033]将所述音频相关信息和所述筛选信息集合，输入至训练最优转录文本输入所述待优化语音识别模型6[0051]终端110可以收集音频，并初步筛选音频得到包括未标注相应转录文本的音频的参照语音识别模型的识别准确率低于所述待优化的语音识别模型。服务器120分别确定所7条件的音频。服务器120将筛选的音频和相应最优转录文本作为一组数据存储至语音语料别模型以及参照语音识别模型)中语音识别准确率最高的语音识别模型。参照语音识别模筛选出音频集合后，可以直接获取在筛选过程中针对各个音频转录生成的最优转录文本，[0060]S204，分别确定第一转录文本和第二转录文本相较于最优转8获得的第一转录文本具有更高的识别准确率，在步骤204中获得的音素级别的损失值具有9的音频和相应最优转录文本作为一组数据存储至语音语料库，从而保证了最优转录文本，最优转录文本和音频相关信息对初始音频集合中的音频进行初步筛选处理，得到音频集[0090]其中，统计语言模型是自然语言处理(NaturalLanguage[0091]在一个实施例中，使用的统计语言模型为N-gram模型(N元语法模型)或神经语言[0102]在本实施例中，通过针对第一转录文本和第二转录文本语音识别模型以及参照语音识别模型分别对音频进行语音转录，得到相应的第一转录文[0127]特征提取模块406，用于分别确定第一转录文本和第二转录文本相较于最优转录装置400包括音频分组模块500，音频分组模块500包括标注难度获取模块502和分组模块[0138]上述语音语料库生成装置，通过获取包括未标注相应转录文本的音频的音频集语音语料库中各组数据优化待优化语音识别模型，实现待优化语音识别模型的持续优化，[0139]关于上述语音语料库生成装置的具体限定可以参见上文中对于上述语音语料库非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器