基于关键词的录音保存方法、装置、设备及存储介质与流程

本发明涉及深度学习技术领域。更具体的说，本发明涉及一种基于关键词的录音保存方法、装置、设备及存储介质。

背景技术：

如今，企业往往给员工发放工牌以便于工作，工牌式录音设备已具备了录音功能，通过录音记录整个工作过程，对工作进行完善和改进，然而录音过程中仍存在以下问题：

1、在某些场景之下(如洗手间)，佩戴人员不希望工牌录音将录音保存下来，此时通过手动去开关录音，对于员工不太方便，甚至有时会忘记关闭录音，造成不应该录音的场景被录音，引起员工的不适；

2、在需要录音的场景下，佩戴人员有时会忘记打开录音，导致服务过程没有被记录下来。

技术实现要素：

针对上述问题，本发明提供了一种基于关键词的录音保存方法，其中，包括：

关键词定义步骤：定义语音控制的关键词；

数据处理步骤：通过预先构建的语音识别模型对录音设备中的音频数据进行语音识别，依据所述关键词对所述音频数据进行数据处理。

上述基于关键词的录音保存方法，其中，还包括语音识别模型生成步骤，生成所述语音识别模型，所述语音识别模型生成步骤具体包括以下步骤：

模型生成步骤：收集带有所述关键词的录音数据，基于所述录音数据生成所述语音识别模型；

模型移植步骤：将所述语音识别模型移植到所述录音设备中。

上述基于关键词的录音保存方法，其中，所述数据处理步骤具体包括以下步骤：

语音识别步骤：通过算法识别模块，对所述音频数据进行语音识别处理，得到识别文本；

文本分析步骤：对所述识别文本进行分析，判断所述音频数据中是否出现所述关键词；

数据切分步骤：根据所述识别文本中出现的所述关键词对所述音频数据进行切分。

上述基于关键词的录音保存方法，其中，所述关键词包括开启关键词和关闭关键词，所述数据切分步骤具体包括以下步骤：

分段标记步骤：根据所述开启关键词和所述关闭关键词对所述音频数据进行分段标记；

录音存储步骤：对添加标记的所述音频数据进行存储并传输到服务器中；

录音删除步骤：对未添加标记的所述音频数据进行删除。

基于相同发明思想，本发明还基于任一项发明创造所揭示的基于关键词的录音保存方法，揭示了一种基于关键词的录音保存系统，

所述基于关键词的录音保存系统包括：

关键词定义模块，定义语音控制的关键词；

数据处理模块，通过预先构建的语音识别模型对录音设备中的音频数据进行语音识别，依据所述关键词对所述音频数据进行数据处理。

上述基于关键词的录音保存系统，其中，还包括语音识别模型生成模块，生成所述语音识别模型，所述语音识别模型生成模块具体包括：

模型生成单元，收集带有所述关键词的录音数据，基于所述录音数据生成所述语音识别模型；

模型移植单元，将所述语音识别模型移植到所述录音设备中。

上述基于关键词的录音保存系统，其中，所述数据处理模块具体包括：

语语音识别单元，通过算法识别模块，对所述音频数据进行语音识别处理，得到识别文本；

文本分析单元，对所述识别文本进行分析，判断所述音频数据中是否出现所述关键词；

数据切分单元，根据所述识别文本中出现的所述关键词对所述音频数据进行切分。

上述基于关键词的录音保存系统，其中，所述关键词包括开启关键词和关闭关键词，所述数据切分单元具体包括：

分段标记单元，根据所述开启关键词和所述关闭关键词对所述音频数据进行分段标记；

录音存储单元，对添加标记的所述音频数据进行存储并传输到服务器中；

录音删除单元，对未添加标记的所述音频数据进行删除。

本发明还包括一种设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述中任一所述的基于关键词的录音保存方法。

本发明还包括一种存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现上述任一所述的基于关键词的录音保存方法。

与现有技术相比，本发明的有益效果如下：

1、提出了一种基于关键词的录音保存方法，可应用于深度学习技术领域，通过预设关键词，对录音设备的音频数据进行保存或者删除；

2、扩展录音设备的录音保存方式；

3、智能化录音保存问题，保护录音人员的隐私，更加人性化；

4、规范录音人员的礼貌用语。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本发明实施例提供的一种基于关键词的录音保存方法整体流程图；

图2是本发明实施例提供的技术方案原理图；

图3是图1所揭示的步骤s2整体流程图；

图4是图1所揭示的步骤s3整体流程图；

图5是图1所揭示的步骤s33整体流程图；

图6是本实施例提供的一种基于关键词的录音保存系统结构框架图；

图7是根据本发明实施例的计算机设备的框架图。

以上图中：

1、关键词定义模块；2、语音识别模型生成模块；3、数据处理模块；21、模型生成单元；22、模型移植单元；31、语音识别单元；32、文本分词单元；33、数据切分单元；331、分段标记单元；332、录音存储单元；333、录音删除单元；80、总线；81、处理器；82、存储器；83、通信接口。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不待表针对对象的特定排序。

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替待，均属于本发明的保护范围之内。

在详细阐述本发明各个实施例之前，对本发明的核心发明思想予以概述，并通过下述若干实施例予以详细阐述。

本发明可基于预设关键词对录音设备的音频数据进行处理。

实施例一：

参照图1-图5所示，本实例揭示了一种基于关键词的录音保存方法(以下简称“方法”)的具体实施方式。

具体而言，参照图1和图2所示，本实施例所揭示的方法包括以下步骤：

s1、定义语音控制的关键词。

具体而言，在其中一些实施例中，将关键词分为两组，一组开启关键词，一组关闭关键词。例如：开启关键词可设置为如“欢迎光临”，“先生/女士，您好”，“很高兴为您服务”等；关闭关键词可设置为如“欢迎下次光临”，“您慢走”等。

然后执行步骤s2、生成语音识别模型。

具体而言，在其中一些实施例中，参照图3所示，所述步骤s2具体包括以下步骤：

s21、收集带有所述关键词的录音数据，基于所述录音数据生成所述语音识别模型；

s22、将所述语音识别模型移植到所述录音设备中。

具体而言，在其中一些实施例中，例如可收集1000条带有关键词的录音数据，基于此录音数据利用服务器构建的dnn训练模型训练关键词的识别模型，并最终生成语音识别模型。

具体而言，在其中一些实施例中，将语音识别模型，移植到录音设备中，录音设备的所有音频数据，先经过语音识别模型，以判断是否有检查到关键词。

然后执行步骤s3、通过预先构建的语音识别模型对录音设备中的音频数据进行语音识别，依据所述关键词对所述音频数据进行数据处理。

具体而言，参照图4所示，所述步骤s3具体包括以下步骤：

s31、通过算法识别模块，对所述音频数据进行语音识别处理，得到识别文本；

s32、对所述识别文本进行分析，判断所述音频数据中是否出现所述关键词；

s33、根据所述识别文本中出现的所述关键词对所述音频数据进行切分。

具体而言，参照图5所示，所述步骤s33具体包括以下步骤：

s331、根据所述开启关键词和所述关闭关键词对所述音频数据进行分段标记；

s332、对添加标记的所述音频数据进行存储并传输到服务器中；

s333、对未添加标记的所述音频数据进行删除。

具体而言，在其中一些实施例中，当侦测到开启关键词后，将录音的音频数据保存在录音设备的存储体中，开始记录佩戴人员的服务过程。当侦测到关闭关键词时关闭录音保存功能，将录音数据丢弃，不记录在工牌的存储体中，避免记录佩戴人员的隐私。

具体而言，录音设备进行录音后得到音频数据，通过内置于录音设备的算法识别模块，对该音频数据进行语音识别处理，得到识别文本，并对识别文本进行分析，判断音频数据中是否出现预设关键词；根据预设关键词对音频数据进行切分：对成对出现的关键词(即有开启关键词、关闭关键词)之间的音频进行分段标记；对添加标记的音频段进行存储以及传输到服务器中，对未添加标记的音频段进行删除处理。

通过本申请实施例所揭示的一种基于关键词的录音保存方法，可应用于深度学习技术领域，通过预设关键词，对录音设备的音频数据进行保存或者删除；扩展录音设备的录音保存方式；智能化录音保存问题，保护录音人员的隐私，更加人性化；规范录音人员的礼貌用语。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

实施例二：

结合实施例一所揭示的一种基于关键词的录音保存方法，本实施例揭示了一种基于关键词的录音保存系统(以下简称“系统”)的具体实施示例。

参照图6所示，所述系统包括：

关键词定义模块1，定义语音控制的关键词；

语音识别模型生成模块2，生成语音识别模型；

数据处理模块3，通过预先构建的语音识别模型对录音设备中的音频数据进行语音识别，依据所述关键词对所述音频数据进行数据处理。

具体而言，在其中一些实施例中，语音识别模型生成模块2具体包括：

模型生成单元21，收集带有所述关键词的录音数据，基于所述录音数据生成所述语音识别模型；

模型移植单元22，将所述语音识别模型移植到所述录音设备中。

具体而言，在其中一些实施例中，所述数据处理模块3具体包括：

语音识别单元31，通过算法识别模块，对所述音频数据进行语音识别处理，得到识别文本；

文本分析单元32，对所述识别文本进行分析，判断所述音频数据中是否出现所述关键词；

数据切分单元33，根据所述识别文本中出现的所述关键词对所述音频数据进行切分。

具体而言，在其中一些实施例中，所述数据切分单元33具体包括：

分段标记单元331，根据所述开启关键词和所述关闭关键词对所述音频数据进行分段标记；

录音存储单元332，对添加标记的所述音频数据进行存储并传输到服务器中；

录音删除单元333，对未添加标记的所述音频数据进行删除。

本实施例所揭示的一种基于关键词的录音保存系统与实施例一所揭示的一种基于关键词的录音保存方法中其余相同部分的技术方案，请参考实施例一所述，在此不再赘述。

实施例三:

结合图7所示，本实施例揭示了一种计算机设备的一种具体实施方式。计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。

具体地，上述处理器81可以包括中央处理器(cpu)，或者特定集成电路(applicationspecificintegratedcircuit，简称为asic)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器82可包括硬盘驱动器(harddiskdrive，简称为hdd)、软盘驱动器、固态驱动器(solidstatedrive，简称为ssd)、闪存、光盘、磁光盘、磁带或通用串行总线(universalserialbus，简称为usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器82可在数据处理装置的内部或外部。在特定实施例中，存储器82是非易失性(non-volatile)存储器。在特定实施例中，存储器82包括只读存储器(read-onlymemory，简称为rom)和随机存取存储器(randomaccessmemory，简称为ram)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(programmableread-onlymemory，简称为prom)、可擦除prom(erasableprogrammableread-onlymemory，简称为eprom)、电可擦除prom(electricallyerasableprogrammableread-onlymemory，简称为eeprom)、电可改写rom(electricallyalterableread-onlymemory，简称为earom)或闪存(flash)或者两个或更多个以上这些的组合。在合适的情况下，该ram可以是静态随机存取存储器(staticrandom-accessmemory，简称为sram)或动态随机存取存储器(dynamicrandomaccessmemory，简称为dram)，其中，dram可以是快速页模式动态随机存取存储器(fastpagemodedynamicrandomaccessmemory，简称为fpmdram)、扩展数据输出动态随机存取存储器(extendeddateoutdynamicrandomaccessmemory，简称为edodram)、同步动态随机存取内存(synchronousdynamicrandom-accessmemory，简称sdram)等。

存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。

处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意一种基于关键词的录音保存方法。

在其中一些实施例中，计算机设备还可包括通信接口83和总线80。其中，如图7所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。

通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

总线80包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一：数据总线(databus)、地址总线(addressbus)、控制总线(controlbus)、扩展总线(expansionbus)、局部总线(localbus)。举例来说而非限制，总线80可包括图形加速接口(acceleratedgraphicsport，简称为agp)或其他图形总线、增强工业标准架构(extendedindustrystandardarchitecture，简称为eisa)总线、前端总线(frontsidebus，简称为fsb)、超传输(hypertransport，简称为ht)互连、工业标准架构(industrystandardarchitecture，简称为isa)总线、无线带宽(infiniband)互连、低引脚数(lowpincount，简称为lpc)总线、存储器总线、微信道架构(microchannelarchitecture，简称为mca)总线、外围组件互连(peripheralcomponentinterconnect，简称为pci)总线、pci-express(pci-x)总线、串行高级技术附件(serialadvancedtechnologyattachment，简称为sata)总线、视频电子标准协会局部(videoelectronicsstandardsassociationlocalbus，简称为vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该计算机设备可以基于关键词实现录音保存，从而实现结合图1描述的方法。

另外，结合上述实施例中基于关键词的录音保存方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于关键词的录音保存方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

综上所述，基于本发明的有益效果在于，提出了一种基于关键词的录音保存方法，可应用于深度学习技术领域，通过预设关键词，对录音设备的音频数据进行保存或者删除；扩展录音设备的录音保存方式；智能化录音保存问题，保护录音人员的隐私，更加人性化；规范录音人员的礼貌用语。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。