一种会议环节定位方法、装置、定位设备及可读存储介质与流程

1.本申请属于语音处理技术领域，尤其涉及一种会议环节定位方法、装置、定位设备及可读存储介质。


背景技术：

2.在举办培训型会议的时候，举报方支付给演讲嘉宾的出场费用只是简单地根据演讲嘉宾的背景（例如，历史演讲信息、行业知名度等）进行估算，并没有结合演讲嘉宾的演讲效果，导致支付给演讲嘉宾的出场费用不合理，为了较为合理的支付给演讲嘉宾出场费用，对于演讲嘉宾演讲时演讲效果的评估变得额外重要。那么需要在评估演讲嘉宾的演讲效果先要确定出会议环节，从而对演讲嘉宾的演讲过程进行评估。但是，现有技术中，无法准确得确定出会议环节。


技术实现要素：

3.本申请实施例提供了一种会议环节定位方法、装置、定位设备及可读存储介质，可以解决现有技术中无法准确确定出会议环节的问题。
4.第一方面，本申请实施例提供了一种会议环节定位方法，包括：获取预设区域内的待识别语音音频；将所述待识别语音音频输入至预测模型中，基于所述待识别语音音频的特征属性得到环节定位结果，所述特征属性包括文本特征以及物理特征。
5.在第一方面的一种可能的实现方式中，将所述待识别语音音频输入至预测模型中，基于所述待识别语音音频的特征属性得到环节定位结果，包括：提取所述待识别语音音频对应的文本特征，其中，所述文本特征包括关键词；提取所述待识别语音音频对应的物理特征，其中，所述物理特征包括声纹特征；将所述文本特征和物理特征输入至预测模型中，得到环节定位结果。
6.在第一方面的一种可能的实现方式中，提取所述待识别语音音频对应的文本特征，包括：将所述待识别语音音频转换为待识别文本；提取所述待识别文本中的关键词。
7.在第一方面的一种可能的实现方式中，所述提取所述待识别语音音频对应的物理特征，包括：将所述待识别语音音频输入至声纹识别模型中，得到声纹特征。
8.在第一方面的一种可能的实现方式中，将所述文本特征和物理特征输入至预测模型中，得到环节定位结果，包括：根据所述文本特征和物理特征确定出候选环节；根据所述文本特征计算出所述候选环节的第一预测概率值；根据所述物理特征计算出所述候选环节的第二预测概率值；
将所述第一预测概率值和所述第二预测概率值代入至下式，得到所述候选环节的预测概率值：si=afi(v) bg(v)，其中，si表示所述候选环节的预测概率值，fi(v)表示第一预测概率值，g(v)表示第二预测概率值，a表示第一预测概率值对应的第一参数，b表示第二预测概率值的第二参数，b=1
‑
a；当所述候选环节的预测概率值大于概率阈值，则确认所述候选环节为最终环节。
9.在第一方面的一种可能的实现方式中，根据所述文本特征计算出所述候选环节的第一预测概率值，包括：获取所述候选环节对应的预设关键词集合；计算所述预设关键词集合和所述关键词之间的相似度；将所述相似度代入至下式，得到所述预设关键词集合和所述关键词之间的匹配概率：，其中，表示预设关键词集合和所述关键词之间的匹配概率，d表示预设关键词集合，d表示全部的预设关键词集合，是softmax函数的平滑参数，表示预设关键词集合和所述关键词之间的相似度；将所述预设关键词集合和所述关键词之间的匹配概率作为所述候选环节的第一预测概率值。
10.在第一方面的一种可能的实现方式中，计算所述预设关键词集合和所述关键词之间的相似度，包括：对所述关键词进行第一向量化处理，得到第一向量值；对所述预设关键词集合进行第二向量化处理，对所述第二向量化处理后的结果进行降维处理，得到第二向量值；将所述第一向量值和所述第二向量值代入至下式，得到所述预设关键词集合和所述关键词之间的相似度：，其中，表示预设关键词集合和所述关键词之间的匹配概率，q表示所述第一向量值，d表示所述第二向量值。
11.第二方面，本申请实施例提供了一种会议环节定位装置，包括：获取模块，用于获取预设区域内的待识别语音音频；预测模块，用于将所述待识别语音音频输入至预测模型中，得到环节定位结果。
12.在一种可能的实施方式中，预测模块包括：第一提取单元，用于提取所述待识别语音音频对应的文本特征，其中，所述文本特征包括关键词；第二提取单元，用于提取所述待识别语音音频对应的物理特征，其中，所述物理特
征包括声纹特征；预测单元，用于将所述文本特征和物理特征输入至预测模型中，得到环节定位结果。
13.在一种可能的实现方式中，所述第一提取单元包括：转换子单元，用于将所述待识别语音音频转换为待识别文本；提取子单元，用于提取所述待识别文本中的关键词。
14.在一种可能的实现方式中，所述第二提取单元包括：识别子单元，用于将待识别语音音频输入至声纹识别模型中，得到声纹特征。
15.在一种可能的实现方式中，所述预测单元包括：确定子单元，用于根据所述文本特征和物理特征确定出候选环节；计算子单元，用于根据所述文本特征计算出所述候选环节的第一预测概率值；计算子单元，用于根据所述物理特征计算出所述候选环节的第二预测概率值；预测子单元，用于将所述第一预测概率值和所述第二预测概率值代入至下式，得到所述候选环节的预测概率值：si=afi(v) bg(v)，其中，si表示所述候选环节的预测概率值，fi(v)表示第一预测概率值，g(v)表示第二预测概率值，a表示第一预测概率值对应的第一参数，b表示第二预测概率值的第二参数，b=1
‑
a；判断子单元，用于当所述候选环节的预测概率值大于概率阈值，则确认所述候选环节为最终环节。
16.在一种可能的实现方式中，所述第一计算子单元包括：获取部件，用于获取所述候选环节对应的预设关键词集合；计算部件，用于计算所述预设关键词集合和所述关键词之间的相似度；匹配部件，用于将所述相似度代入至下式，得到所述预设关键词集合和所述关键词之间的匹配概率：，其中，表示预设关键词集合和所述关键词之间的匹配概率，d表示预设关键词集合，d表示全部的预设关键词集合，是softmax函数的平滑参数，表示预设关键词集合和所述关键词之间的相似度；确定部件，用于将所述预设关键词集合和所述关键词之间的匹配概率作为所述候选环节的第一预测概率值。
17.第三方面，本申请实施例提供了一种定位设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
18.第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机程序被处理器执行时实现如上述第一方面所述的方法。
19.本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，定位设备根据预测模型对预设区域的语音音频的特征属性进行
识别，从而准确确定当前的会议环节，便于基于识别出的会议环节对演讲嘉宾的演讲效果进行评估。
附图说明
20.为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1是本申请实施例提供的一种会议环节定位方法的流程示意图；图2是本申请实施例提供的一种会议环节定位装置的结构框图；图3是本申请实施例提供的定位设备的结构示意图。
具体实施方式
22.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
23.应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
24.还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
25.如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0026]
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0027]
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0028]
下面通过具体实施例对本申请提供的技术方案进行介绍。
[0029]
参见图1，为本申请实施例提供的一种会议环节定位方法的流程示意图，该方法应用于定位设备，该定位设备包括服务器和终端设备，该服务器具体可以为云服务器等计算设备，该终端设备具体可以为手机、电脑等计算设备，该方法包括以下步骤：步骤s101、获取预设区域内的待识别语音音频。
[0030]
其中，预设区域是指演讲区域。
[0031]
可以理解的是，本申请实施例中，根据演讲区域内的音频来确定会议环节。其中，本申请实施例中的会议环节包括开场白环节、背景介绍环节、嘉宾介绍环节、嘉宾1演讲环节、观众向嘉宾1提问环节、嘉宾2演讲环节、观众向嘉宾2提问环节、演讲闭幕环节。
[0032]
具体应用中，定位设备通过设置在演讲区域内的音频采集装置获取预设区域内的待识别语音音频。
[0033]
步骤s102、将待识别语音音频输入至预测模型中，基于待识别语音音频的特征属性得到环节定位结果。
[0034]
其中，特征属性包括文本特征和物理特征，环节定位结果是指识别出当前所处的会议环节，例如开场白环节。
[0035]
具体应用中，将所述待识别语音音频输入至预测模型中，得到环节定位结果，包括：第一步、提取待识别语音音频对应的文本特征，其中，所述文本特征包括关键词。
[0036]
示例性地，提取待识别语音音频对应的文本特征为：1、将待识别语音音频转换为待识别文本。
[0037]
具体地，先提取语音音频的声学特征，将声学特征输入预设的声学模型例如马尔科夫模型得到音频帧，然后再讲音频帧输入至预设的语音模型例如汉语语言模型（clm，chinese language model），得到待处理语音文本。
[0038]
2、提取待识别文本中的关键词。
[0039]
具体地，将待识别文本输入至预设的关键词抽取模型中，提取出待识别文本中的关键词，其中，预设的关键词抽取模型可以是bilstm
‑
crf模型，关键词可以是大家好、主持人、欢迎等。
[0040]
第二步、提取所述待识别语音音频对应的物理特征，其中，所述物理特征包括声纹特征。
[0041]
示例性地，提取所述待识别语音音频对应的物理特征为：将待识别语音音频输入至声纹识别模型中，得到声纹特征。可以理解的是，本申请实施例通过声纹识别技术识别声纹特征。
[0042]
第三步、将文本特征和物理特征输入至预测模型中，得到环节定位结果。
[0043]
具体应用中，将文本特征和物理特征输入至预测模型中，得到环节定位结果，包括：将所述文本特征和物理特征输入至预测模型中，得到环节定位结果，包括：第一步、根据文本特征和物理特征确定出候选环节。
[0044]
其中，候选环节可以是预测出来的环节。
[0045]
第二步、根据文本特征计算出候选环节的第一预测概率值。
[0046]
示例性地，根据文本特征计算出候选环节的第一预测概率值可以为：1、获取所述候选环节对应的预设关键词集合；2、计算所述预设关键词集合和所述关键词之间的相似度。
[0047]
具体地，计算所述预设关键词集合和所述关键词之间的相似度可以是：（1）对所述关键词进行第一向量化处理，得到第一向量值。；
（2）对所述预设关键词集合进行第二向量化处理，对所述第二向量化处理后的结果进行降维处理，得到第二向量值。；（3）将所述第一向量值和所述第二向量值代入至下式，得到所述预设关键词集合和所述关键词之间的相似度：，其中，表示预设关键词集合和所述关键词之间的匹配概率，q表示所述第一向量值，d表示所述第二向量值。
[0048]
（4）将所述相似度代入至下式，得到所述预设关键词集合和所述关键词之间的匹配概率：，其中，表示预设关键词集合和所述关键词之间的匹配概率，d表示预设关键词集合，d表示全部的预设关键词集合，是softmax函数的平滑参数，表示预设关键词集合和所述关键词之间的相似度。
[0049]
（5）将所述预设关键词集合和所述关键词之间的匹配概率作为所述候选环节的第一预测概率值。
[0050]
第三步、根据物理特征计算出候选环节的第二预测概率值。
[0051]
第四步、将第一预测概率值和第二预测概率值代入至下式，得到候选环节的预测概率值：si=afi(v) bg(v)，其中，si表示候选环节的预测概率值，fi(v)表示第一预测概率值，g(v)表示第二预测概率值，a表示第一预测概率值对应的第一参数，b表示第二预测概率值的第二参数，b=1
‑
a。
[0052]
第五步、当候选环节的预测概率值大于概率阈值，则确认候选环节为最终环节。
[0053]
本申请实施例中，根据预测模型对预设区域的语音音频的特征属性进行识别，从而确定当前的会议环节，便于基于识别出的会议环节对演讲嘉宾的演讲效果进行评估。
[0054]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
[0055]
对应于上文实施例所述的会议环节定位方法，图2示出了本申请实施例提供的会议环节定位装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
[0056]
参照图2，该装置包括：获取模块21，用于获取预设区域内的待识别语音音频；预测模块22，用于将所述待识别语音音频输入至预测模型中，得到环节定位结果。
[0057]
在一种可能的实施方式中，预测模块包括：第一提取单元，用于提取所述待识别语音音频对应的文本特征，其中，所述文本特征包括关键词；
第二提取单元，用于提取所述待识别语音音频对应的物理特征，其中，所述物理特征包括声纹特征；预测单元，用于将所述文本特征和物理特征输入至预测模型中，得到环节定位结果。
[0058]
在一种可能的实现方式中，所述第一提取单元包括：转换子单元，用于将所述待识别语音音频转换为待识别文本；提取子单元，用于提取所述待识别文本中的关键词。
[0059]
在一种可能的实现方式中，所述第二提取单元包括：识别子单元，用于将待识别语音音频输入至声纹识别模型中，得到声纹特征。
[0060]
在一种可能的实现方式中，所述预测单元包括：确定子单元，用于根据所述文本特征和物理特征确定出候选环节；计算子单元，用于根据所述文本特征计算出所述候选环节的第一预测概率值；计算子单元，用于根据所述物理特征计算出所述候选环节的第二预测概率值；预测子单元，用于将所述第一预测概率值和所述第二预测概率值代入至下式，得到所述候选环节的预测概率值：si=afi(v) bg(v)，其中，si表示所述候选环节的预测概率值，fi(v)表示第一预测概率值，g(v)表示第二预测概率值，a表示第一预测概率值对应的第一参数，b表示第二预测概率值的第二参数，b=1
‑
a；判断子单元，用于当所述候选环节的预测概率值大于概率阈值，则确认所述候选环节为最终环节。
[0061]
在一种可能的实现方式中，所述第一计算子单元包括：获取部件，用于获取所述候选环节对应的预设关键词集合；计算部件，用于计算所述预设关键词集合和所述关键词之间的相似度；匹配部件，用于将所述相似度代入至下式，得到所述预设关键词集合和所述关键词之间的匹配概率：其中，表示预设关键词集合和所述关键词之间的匹配概率，d表示预设关键词集合，d表示全部的预设关键词集合，是softmax函数的平滑参数，表示预设关键词集合和所述关键词之间的相似度；确定部件，用于将所述预设关键词集合和所述关键词之间的匹配概率作为所述候选环节的第一预测概率值。
[0062]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0063]
图3为本申请一实施例提供的定位设备的结构示意图。如图3所示，该实施例的定位设备3包括：至少一个处理器30、存储器31以及存储在所述存储器31中并可在所述至少一
个处理器30上运行的计算机程序32，所述处理器30执行所述计算机程序32时实现上述任意方法实施例中的步骤。
[0064]
所述定位设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该定位设备可包括，但不仅限于，处理器30、存储器30。本领域技术人员可以理解，图3仅仅是定位设备3的举例，并不构成对定位设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0065]
所称处理器30可以是中央处理单元(central processing unit，cpu)，该处理器30还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现成可编程门阵列 (field
‑
programmable gate array，fpga) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0066]
所述存储器30在一些实施例中可以是所述定位设备3的内部存储单元，例如定位设备3的硬盘或内存。所述存储器30在另一些实施例中也可以是所述定位设备3的外部存储设备，例如所述定位设备3上配备的插接式硬盘，智能存储卡（smart media card, smc），安全数字（secure digital, sd）卡，闪存卡（flash card）等。进一步地，所述存储器30还可以既包括所述定位设备3的内部存储单元也包括外部存储设备。所述存储器30用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器30还可以用于暂时地存储已经输出或者将要输出的数据。
[0067]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0068]
本申请实施例还提供了一种可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
[0069]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器（rom，read
‑
only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和
电信信号。
[0070]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0071]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0072]
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0073]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0074]
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。