申请/专利权人:科大讯飞股份有限公司
申请日:2024-04-18
公开(公告)日:2024-06-21
公开(公告)号:CN118230715A
主分类号:G10L13/08
分类号:G10L13/08;G10L15/26;G10L25/30
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本申请公开了一种音频文本强制对齐方法、装置、设备及可读存储介质。本方案中,在确定待对齐音频以及与待对齐音频对应的待对齐文本的音素标签序列之后,基于对齐路径中隶属于两个相邻单字的相邻两个音素标签之间包括预设停顿间隔标签,并且隶属于同一个单字的相邻两个音素标签之间不包括预设停顿间隔标签的规则,根据待对齐音频中各音频帧对应预设停顿间隔标签、预设静音标签、预设各音素标签的概率和待对齐文本的音素标签序列确定最终对齐路径,能够使得最终对齐路径中,不会出现隶属于两个相邻单字的相邻两个音素标签之间丢失停顿间隔的问题,也不会出现隶属于同一个单字的相邻两个音素标签之间包括停顿间隔的问题。
主权项:1.一种音频文本强制对齐方法,其特征在于,所述方法包括:确定待对齐音频以及与所述待对齐音频对应的待对齐文本的音素标签序列;确定所述待对齐音频中各音频帧对应预设标签的概率,所述预设标签包括预设停顿间隔标签、预设静音标签以及预设各音素标签;基于预设规则,根据所述待对齐文本的音素标签序列以及所述各音频帧对应预设标签的概率,确定最终对齐路径;其中,所述预设规则为,对齐路径中隶属于两个相邻单字的相邻两个音素标签之间包含预设停顿间隔标签,隶属于同一个单字的相邻两个音素标签之间不包含预设停顿间隔标签。
全文数据:
权利要求:
百度查询: 科大讯飞股份有限公司 音频文本强制对齐方法、装置、设备及可读存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。