一种语音信息的文本获取方法、装置和存储介质制造方法及图纸

本公开实施例公开了一种语音信息的文本获取方法、装置、电子设备和存储介质，该方法包括：获取待识别的语音信息，并通过语音识别技术，获取初始识别文本；将所述初始识别文本，输入至训练完成的逆文本标准化模型，以对所述初始识别文本进行逆文本标准化处理，并将处理结果作为所述语音信息的标准识别文本。本公开实施例的技术方案，将语音识别后的初始文本，通过训练完成的逆文本标准化模型，进行逆文本标准化处理，进而获取标准识别文本，实现了输入端到输出端的全文逆文本化映射，结合具体语境的逆文本化方式也提高了逆文本化处理的准确性，同时，避免了更新维护的繁琐过程，节省了人力成本和时间成本。

【技术实现步骤摘要】
一种语音信息的文本获取方法、装置和存储介质
本公开实施例涉及语音识别技术，尤其涉及一种语音信息的文本获取方法、装置、电子设备和存储介质。
技术介绍
随着科技的不断进步，语音识别技术得到迅速发展，被广泛应用于智能控制等多个领域，为人们的社会生活提供了极大便利。通过语音识别技术，在获取到识别文本后，为了便于用户阅读，会进行逆文本标准化(InverseTextNormalization，ITN)处理，即将汉字信息转换为更易被用户解读的形式，例如，将“三百二十七”转换为“327”，通常是在获取到语音识别文本后，通过映射规则对照表，将汉字信息转换为对应的数字信息。但这样的逆文本化处理方式，可维护性较差，每次对映射规则对照表的增加、删除、修改等操作都需要进行列表更新，且只能对映射规则对照表中存在的信息进行逆文本映射，逆文本化功能存在较大的局限性。
技术实现思路
本公开提供了一种语音信息的文本获取方法、装置、设备和存储介质，以实现对语音识别后的文本信息进行逆文本标准化处理。第一方面，本公开实施例提供了一种语音信息的文本获取方法，包括：获取待识别的语音信息，并通过语音识别技术，获取初始识别文本；将所述初始识别文本，输入至训练完成的逆文本标准化模型，以对所述初始识别文本进行逆文本标准化处理，并将处理结果作为所述语音信息的标准识别文本。第二方面，本公开实施例提供了一种语音信息的文本获取装置，包括：初始识别文本获取模块，用于获取待识别的语音信息，并通过语音识别技术，获取初始识别文本；逆文本标准化执行模块，用于将所述初始识别文本，输入至训练完成的逆文本标准化模型，以对所述初始识别文本进行逆文本标准化处理，并将处理结果作为所述语音信息的标准识别文本。第三方面，本公开实施例提供了一种电子设备，包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序，处理装置执行程序时实现本公开任意实施例的语音信息的文本获取方法。第四方面，本公开实施例提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行本公开任意实施例的语音信息的文本获取方法。本公开实施例的技术方案，将语音识别后的初始文本，通过训练完成的逆文本标准化模型，进行逆文本标准化处理，进而获取标准识别文本，实现了输入端到输出端的全文逆文本化映射，结合具体语境的逆文本化方式也提高了逆文本化处理的准确性，同时，逆文本标准化模型所具备的学习能力，提高了逆文本化的适用范围，也避免了更新维护的繁琐过程，节省了人力成本和时间成本。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。图1是本公开的一种语音信息的文本获取方法的一个实施例的流程图；图2是本公开的一种语音信息的文本获取方法的另一个实施例的流程图；图3是本公开的一种语音信息的文本获取方法的另一个实施例的流程图；图4是本公开的一种语音信息的文本获取装置的一个实施例的结构框图；图5是适于用来实现本公开实施例的一种电子设备的结构框图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。实施例一图1是本公开实施例一提供的一种语音信息的文本获取方法的流程图，本实施例可适用于对语音识别后的文本信息进行逆文本标准化的情况，该方法可以由本公开实施例中的语音信息的文本获取装置来执行，该装置可以通过软件和/或硬件实现，并集成在电子设备中，该方法具体包括如下步骤：S110、获取待识别的语音信息，并通过语音识别技术，获取初始识别文本。语音识别，是通过机器的识别和理解，把语音信号转变为文本的过程；对语音信息的识别过程，可以通过自动语音识别(AutomaticSpeechRecognition，ASR)技术和/或自然语言理解(NaturalLanguageUnderstanding，NLU)技术实现；其中，ASR是将人类语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列等；NLU则是关注于文本的语义，准确表达文本传递的语义信息。具体的，基于大量的语音语料信息，在经过语音信号处理和知识挖掘后，建立相应的语音识别模型，当获取到待识别的语音信息时，通过训练完成的语音识别模型经过语音特征提取及特征匹配获取该语音信息的识别文本，即初始识别文本。在本专利技术实施例中，可选的，对语音识别采用的技术方式以及语音识别模型的类型均不作具体限定。S210、将所述初始识别文本，输入至训练完成的逆文本标准化模型，以对所述初始识别文本进行逆文本标准化处理，并将处理结果作为所述语音信息的标准识别文本。逆文本标准化模型，用于对文本信息进行逆文本标准化处理，以获取符合阅读习惯的标准识别文本；逆文本标准化模型进行逆文本标准化处理，是将初始文本中的每个句子作为逆文本化处理对象，也即将待进行逆文本化的目标词汇及其所在位置的前后文语义信息均作为了处理对象，相比于仅将某个词或词组作为替换对象的逆文本处理方式，上述技术方案综合考虑了每个句子具体的语言环境，训练完成的逆文本标准化模型具备了输入端到输出端的全文逆文本化映射能力。可选的，在本公开实施例中，在将所述初始识别文本，输入至训练完成的逆文本标准化模型前，还包括：构建第一序列到序列模型，并通过逆文本语料对集合对所述第一序列到序列模型进行逆文本标准化训练，以获取训练完成的逆文本标准化模型；其中，所述逆本文档来自技高网...

【技术保护点】
1.一种语音信息的文本获取方法，其特征在于，包括：/n获取待识别的语音信息，并通过语音识别技术，获取初始识别文本；/n将所述初始识别文本，输入至训练完成的逆文本标准化模型，以对所述初始识别文本进行逆文本标准化处理，并将处理结果作为所述语音信息的标准识别文本。/n

【技术特征摘要】
1.一种语音信息的文本获取方法，其特征在于，包括：
获取待识别的语音信息，并通过语音识别技术，获取初始识别文本；
将所述初始识别文本，输入至训练完成的逆文本标准化模型，以对所述初始识别文本进行逆文本标准化处理，并将处理结果作为所述语音信息的标准识别文本。


2.根据权利要求1所述的方法，其特征在于，在将所述初始识别文本，输入至训练完成的逆文本标准化模型前，还包括：
构建第一序列到序列模型，并通过逆文本语料对集合对所述第一序列到序列模型进行逆文本标准化训练，以获取训练完成的逆文本标准化模型；其中，所述逆文本语料对集合包括至少一个逆文本语料对。


3.根据权利要求2所述的方法，其特征在于，所述逆文本语料对包括自然数语料对、号码信息语料对、符号信息语料对、时刻场景语料对和/或惯用搭配语料对。


4.根据权利要求3所述的方法，其特征在于，所述自然数语料对包括万位数整除语料对和非万位数整除语料对。


5.根据权利要求2所述的方法，其特征在于，所述逆文本语料对中的源语料和目标语料均为语句。


6.根据权利要求2所述的方法，其特征在于，在通过逆文本语料对集合对所述第一序列到序列模型进行逆文本标准化训练前，还包括：
根据获取到的逆文本映射表，构建正文本语料对集合，并获取标准文本信息；
构建第二序列到序列模型，并通过所述正文本语料对集合对所述第二序列到序列模型进行正文本标准化训练，以获取训练完成的第一正文本标准化模型；
将所述标准文本信息输入至所述第一正文本标准化模型，以获取对应的第一标准文本映射信息；
根据所述标准文本...

【专利技术属性】
技术研发人员：李婉瑜，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：北京;11