申请/专利权人:陕西科技大学
申请日:2024-03-26
公开(公告)日:2024-06-28
公开(公告)号:CN118262705A
主分类号:G10L15/06
分类号:G10L15/06;G10L15/16;G10L15/183;G10L21/0208;G10L15/26;G10L17/02;G10L17/18;G06N3/0442;G06N3/0455;G06N3/0464;G06N3/0499;G06N3/084;G06N3/0895
优先权:
专利状态码:在审-公开
法律状态:2024.06.28#公开
摘要:本发明提供一种多人长语音语义识别与摘要生成方法、系统、设备及介质,将带噪语音信号经过Demucs模型进行语音信号增强,得到真实语音信号;将真实语音信号经ERes2Net模型提取声纹特征,并基于声纹特征形成个人声纹库,识别不同说话者身份;将真实语音信号输入训练后的Conformer端到端模型进行语音内容识别,并匹配说话者身份,将说话内容转化为文本;将所述说话内容文本经大语言模型进行摘要生成;本申请能够有效捕捉长文本上下文信息,具有较高的局部信息的关注度,以及能够解决特定领域的专业术语或上下文理解困难的技术问题。
主权项:1.一种多人长语音语义识别与摘要生成方法,其特征在于,包括以下步骤:S1:将带噪语音信号经过Demucs模型进行语音信号增强,得到真实语音信号;S2:将真实语音信号经ERes2Net模型提取声纹特征,并基于声纹特征形成个人声纹库,识别不同说话者身份;S3:将真实语音信号输入训练后的Conformer端到端模型进行语音内容识别,并匹配说话者身份,将说话内容转化为文本;S4:将所述说话内容文本经微调后的大语言模型进行摘要生成。
全文数据:
权利要求:
百度查询: 陕西科技大学 一种多人长语音语义识别与摘要生成方法、系统、设备及介质
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。