用于生成语音音频的经编辑的转录的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112151024A(43)申请公布日2020.12.29(21)申请号201910576724.3(22)申请日2019.06.28(71)申请人声音猎手公司地址美国加利福尼亚州(72)发明人任俊儒陈昊亮(74)专利代理机构北京东方亿思知识产权代理有限责任公司11258代理人林强(51)Int.Cl.G10L15/22(2006.01)G10L15/26(2006.01)G11B27/031(2006.01)权利要求书4页说明书10页附图6页(54)发明名称用于生成语音音频的经编辑的转录的方法和装置(57)摘要本申请提供了一种用于生成语音音频的经编辑的转录的方法和装置。一种用于生成语音音频的经编辑的转录的方法可以包括：对语音音频执行自动语音识别，以产生具有一个或多个令牌的转录；根据多个自然语言域中的每个自然语言域对转录进行解析，以产生多个解析结果；基于该多个解析结果，识别与转录匹配的自然语言域；并且根据特定于所识别的自然语言域的预定义映射，利用替换令牌来替换转录中的感兴趣令牌，以生成语音音频的经编辑的转录。CN112151024ACN112151024A权利要求书1/4页1.一种用于生成语音音频的经编辑的转录的方法，该方法包括：对所述语音音频执行自动语音识别，以产生具有一个或多个令牌的转录；根据多个自然语言域中的每个自然语言域对所述转录进行解析，以产生多个解析结果；基于所述多个解析结果，识别与所述转录匹配的自然语言域；并且根据特定于所识别的自然语言域的预定义映射，利用替换令牌来替换所述转录中的感兴趣令牌，以生成所述语音音频的经编辑的转录。2.如权利要求1所述的方法，其中所述语音音频将被实时更新，并且所述方法还包括：对更新的语音音频执行所述自动语音识别，以产生更新的转录；检测所述更新的转录是否包括新的令牌；并且一旦检测到所述更新的转录包括所述新的令牌时，针对所述更新的转录重复执行所述转录解析、所述自然语言域识别和所述令牌替换以生成更新的经编辑的转录。3.如权利要求1所述的方法，其中所述转录包括多个转录假设，并且对所述转录进行解析包括：根据所述多个自然语言域中的每个自然语言域对所述多个转录假设进行解析。4.如权利要求1至3中任一项所述的方法，其中所述预定义映射包括编程式映射。5.如权利要求4所述的方法，其中所述预定义映射还包括简单令牌替换映射，并且所述简单令牌替换映射和所述编程式映射被分开存储在存储器中，并且根据所述简单令牌替换映射的令牌替换和根据所述编程式映射的令牌替换在分开的处理线程上同时被执行。6.如权利要求4所述的方法，其中所述预定义映射还包括简单令牌替换映射，并且所述简单令牌替换映射作为搜索树被存储在存储器中。7.如权利要求4所述的方法，其中所述编程式映射包括正则表达式映射。8.如权利要求1至3中任一项所述的方法，其中所述预定义映射可编辑以在所述预定义映射中添加、修改或删除映射条目。9.如权利要求1至3中任一项所述的方法，其中所述预定义映射是通过网络从自然语言理解(NLU)解析服务器动态获取的。10.如权利要求1至3中任一项所述的方法，其中所述一个或多个令牌包括：包含英文单词的字母词、包含汉字的语标字符、或其他类型的书写系统的可辨别基本单元。11.如权利要求1至3中任一项所述的方法，其中：所述替换令牌是所述感兴趣令牌的缩写；所述感兴趣令牌是数字的文本表示，而所述替换令牌是所述数字；所述感兴趣令牌具有不雅的意思，而所述替换令牌是所述感兴趣令牌的礼貌同义词；所述感兴趣令牌是外来词，而所述替换令牌是所述外来词在所述语音音频的语言环境下的同义词；或者所述替换令牌具有与所述感兴趣令牌相同的发音，并且在所识别的自然语言域中具有比所述感兴趣令牌更合适的书写形式。12.如权利要求1至3中任一项所述的方法，其中所述感兴趣令牌和所述替换令牌用不同的字符编码来进行编码。13.如权利要求1至3中任一项所述的方法，还包括：在所述经编辑的转录内标记所述替换令牌，以使得能够呈现具有可辨识的所述替换令2CN112151024A权利要求书2/4页牌的所述经编辑的转录。14.一种存储代码的非暂态计算机可读介质，所述代码在由一个或多个处理器执行时使得所述一个或多个处理器用于：对所述语音音频执行自动语音识别，以产生具有一个或多个令牌的转录；根据多个自然语言域中的每个自然语言域对所述转录进行解析，以产生多个解析结果；基于所述多个解析结果，识别与所述转录匹配的自然语言域；并且根据特定于所识别的自然语言域的预定义映射，利用替换令牌来替换所述转录中的感兴趣令牌，以生成所述语音音频的经编辑的转录。15.如权利要求14所述的非暂态计算机可读介质，其中所述语音音频将被实时更新，并且所述代码在由所