标注数据的生成方法、装置、电子设备存储介质及产品与流程

1.本公开涉及数据处理技术领域，尤其涉及机器学习以及语音技术领域，具体涉及一种标注数据的生成方法、装置、电子设备存储介质及产品。


背景技术：

2.数据标注是帮助机器学习认知数据特征的重要过程，即可以对未经处理的初级数据,包括语音、图片、文本、视频等进行加工处理,并转换为机器可识别信息的过程。目前，诸如语音识别模型等机器学习模型的准确程度极大地依赖于数据标注的准确程度。


技术实现要素：

3.本公开提供了一种标注数据的生成方法、装置、电子设备存储介质及产品。
4.根据本公开的一方面，提供了一种标注数据的生成方法，包括：
5.获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段；
6.根据各所述音频片段和各所述字幕片段的起止时间，获取与各所述音频片段分别对应的组合字幕片段；
7.将各所述音频片段与各所述音频片段的组合字幕片段进行强制对齐，确定各所述组合字幕片段中每个字符的起止时间；
8.按照各所述字符的起止时间，在各所述音频片段中截取与各所述字符匹配的字符音频，并分别将各所述字符与匹配的字符音频进行组合得到标注数据。
9.根据本公开的另一方面，提供了一种标注数据的生成装置，包括：
10.片段获取模块，用于获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段；
11.组合字幕片段获取模块，用于根据各所述音频片段和各所述字幕片段的起止时间，获取与各所述音频片段分别对应的组合字幕片段；
12.起止时间确定模块，用于将各所述音频片段与各所述音频片段的组合字幕片段进行强制对齐，确定各所述组合字幕片段中每个字符的起止时间；
13.标注数据确定模块，用于按照各所述字符的起止时间，在各所述音频片段中截取与各所述字符匹配的字符音频，并分别将各所述字符与匹配的字符音频进行组合得到标注数据。
14.根据本公开的另一方面，提供了一种电子设备，包括：
15.至少一个处理器；以及
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开中任一实施例所述的方法。
18.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开中任一实施例所述的方法。
19.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开中任一实施例所述的方法。
20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.附图用于更好地理解本方案，不构成对本公开的限定。其中：
22.图1是根据本公开实施例提供的一种标注数据的生成方法的示意图；
23.图2是根据本公开实施例提供的另一种标注数据的生成方法的示意图；
24.图3是根据本公开实施例提供的又一种标注数据的生成方法的示意图；
25.图4是根据本公开实施例提供的再一种标注数据的生成方法的示意图；
26.图5是根据本公开实施例的一种视频文件的处理流程的示意图；
27.图6是根据本公开实施例提供的一种标注数据的生成装置的示意图；
28.图7是用来实现本公开实施例的标注数据的生成方法的电子设备的框图。
具体实施方式
29.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
30.图1是根据本公开实施例提供的一种标注数据的生成方法的示意图，本实施例可适用于根据多媒体文件自动生成对语音识别模型进行训练的标注数据的情况，该方法可以由标注数据的生成装置执行，该装置可以通过软件和/或硬件的方式实现，并集成在电子设备中；本实施例中电子设备可以为云服务器，也可以为本地服务器，还可以为结合了区块链的服务器或者计算机等。具体的，参考图1，该方法具体包括如下：
31.s110、获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段。
32.其中，目标多媒体文件可以为包含字幕的视频文件、音频文件或者其他带有语音信息的多媒体文件等，本实施例中对其不加以限定。
33.在本实施例的一个可选实现方式中，在获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段之前，还可以将获取到的目标多媒体文件分解为语音流数据以及图像流数据，并分别对语音流数据以及图像流数据进行处理，从而得到多个音频片段以及多个字幕片段。
34.在本实施例的一个例子中，若目标多媒体文件为包含字幕的视频文件，那么可以先将视频文件分解为语音流数据以及图像流数据，再通过语音活性检测模型从语音流数据中识别出多个音频片段，其中，通过语音活性检测模型识别出的各音频片段中可以包括音频片段的起止时间信息，例如，获取到的第一音频片中可以包含第一音频片段的语音内容，还可以包含第一音频片段在视频文件中的开始播放时间以及结束播放时间等时刻点信息；进一步的，可以通过字符检测模型从图像流数据中获取到每一帧图像中包含的字幕片段。
35.在本实施例的另一个例子中，若目标多媒体文件为音频文件，那么可以通过语音
活性检测模型从语音流数据中识别出多个音频片段，并通过自然语言处理模型对各音频片段进行语义理解，从而得到与各音频片段对应的多个字幕片段。
36.s120、根据各音频片段和各字幕片段的起止时间，获取与各音频片段分别对应的组合字幕片段。
37.在本实施例的一个可选实现方式中，在获取到与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段之后，可以进一步的根据各音频片段和各字幕片段的起止时间(开始时间以及结束时间)，分别获取与各音频片段对应的组合字幕片段。
38.在本实施例的一个例子中，若第一音频片段的起止时间为2-10s，根据第一音频片段的起止时间，可以从各字幕片段中确定与第一音频片段对应的多个字幕片段；示例性的，与第一音频片段对应的字幕片段可以为第一字幕片段(起止时间为1-4s)、第二字幕片段(起止时间为4-7s)以及第三字幕片段(起止时间为7-12s)；进一步的，根据起止时间的先后顺序可以对第一字幕片段、第二字幕片段以及第三字幕片段进行拼接，从而得到与第一音频片段对应的组合字幕片段；可以理解的是，在本例子中，与第一音频片段对应的组合字幕片段的起止时间为1-12s。
39.s130、将各音频片段与各音频片段的组合字幕片段进行强制对齐，确定各组合字幕片段中每个字符的起止时间。
40.在本实施例的一个可选实现方式中，在分别获取到与各音频片段对应的组合字幕片段之后，可以进一步的将音频片段与其对应的组合字幕片段进行强制对齐，从而确定组合字幕片段中每个字符的起止时间。
41.在上述例子中，第一音频片段的起止时间为2-10s，与第一音频片段对应的组合字幕片段的起止时间为1-12s，可以在与第一音频片段对应的组合字幕片段中确定第2s和第10s，即可实现第一音频片段与其组合字幕片段进行强制对齐；进一步的，可以根据强制对齐结果确定组合字幕片段中每个字符的起止时间。示例性的，组合字幕片段中的第一字符的起止时间可以为1-1.25s；第二字符的起止时间可以为1.25-1.5s。
42.在本实施例的另一个可选实现方式中，在将第一音频片段与其组合字幕片段进行强制对齐之后，也可以根据强制对齐结果确定组合字幕片段中每个字符的开始时间和持续时间，本实施例中对其不加以限定。
43.s140、按照各字符的起止时间，在各音频片段中截取与各字符匹配的字符音频，并分别将各字符与匹配的字符音频进行组合得到标注数据。
44.在本实施例的一个可选实现方式中，在确定各组合字幕片段中的每个字符的起止时间之后，可以进一步的根据各字符的起止时间，从各音频片段中截取与每个字符匹配的字符音频；进一步的，将各字符与匹配的字符音频进行组合，从而得到标注数据。在本实施例中，得到的标注数据可以用来对语音识别模型进行训练。
45.在上述例子中，组合字幕片段中的第一字符的起止时间可以为1-1.25s，则可以在与组合字幕片段对应的第一音频片段中截取1-1.25s的音频片段，从而得到与第一字符对应的第一字符音频，进一步的，将第一字符与第一字符音频进行组合，得到第一标注数据；组合字幕片段中的第二字符的起止时间可以为1.25-1.5s，则可以在与组合字幕片段对应的第一音频片段中截取1.25-1.5s的音频片段，从而得到与第二字符对应的第二字符音频，进一步的，将第二字符与第二字符音频进行组合，得到第二标注数据。
46.本实施例的方案，通过获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段；根据各音频片段和各字幕片段的起止时间，获取与各音频片段分别对应的组合字幕片段；将各音频片段与各音频片段的组合字幕片段进行强制对齐，确定各组合字幕片段中每个字符的起止时间；按照各字符的起止时间，在各音频片段中截取与各字符匹配的字符音频，并分别将各字符与匹配的字符音频进行组合得到标注数据，可以快速且准确地生成标注数据，提升了标注数据的准确性，为训练得到高精度的语音识别模型提供帮助，同时也节省了大量的人力成本。
47.图2是根据本公开实施例的另一种标注数据的生成方法的示意图，本实施例是对上述技术方案的进一步细化，本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图2所示，标注数据的生成方法包括如下：
48.s210、获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段。
49.s220、依次比对各相邻字幕片段的文本内容是否相同；若第一字幕片段中的文本内容与第二字幕片段中的文本内容相同，则将第一字幕片段与第二字幕片段合并为同一字幕片段。
50.在本实施例的一个可选实现方式中，在获取到与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段之后，可以进一步的对各相邻字幕片段的文本内容进行比对，确定各相邻字幕片段的文本内容是否相同；如果第一字幕片段的文本内容与第二字幕片段的文本内容相同，则可以将第一字幕片段与第二字幕片段进行合并，得到合并后的第三字幕片段。
51.这样设置的好处在于，可以滤除各字幕片段中相同的字幕片段，可以准确地确定各字幕片段的起止时间，可以准确地得到与每个音频片段对应的组合字幕片段，为后续准确地得到标注数据提供依据。
52.s230、根据各音频片段的起止时间，从各字幕片段中分别得到与各音频片段的起止时间相匹配的至少一个参考字幕片段；按照设定起止时间顺序将隶属于同一音频片段的各参考字幕片段进行组合，得到与各音频片段分别对应的组合字幕片段。
53.在本实施例的一个可选实现方式中，在获取到目标多媒体文件中的至少一个音频片段以及至少一个字幕片段以后，可以进一步的根据获取到的各音频片段的起止时间，从各字幕片段中分别获取到与各音频片段的起止时间相匹配的至少一个参考字幕片段；进一步的，可以按照设定起止时间顺序将隶属于同一音频片段的各参考字幕片段进行组合，从而得到与各音频片段分别对应的组合字幕片段。
54.其中，设定起止时间顺序可以为时间先后顺序，例如，将起止时间最小的参考字幕片段放在首位，将起止时间最大的参考字幕片段放在末位，本实施例中对其不加以限定。
55.可以理解的是，在本实施例中与音频片段相匹配的至少一个参考字幕片段的最小开始时间应小于或等于音频片段的开始时间，最大结束时间应大于或等于音频片段的结束时间；示例性的，若目标音频频段的起止时间为1-20s，那么与该音频片段的起止时间的各参考字幕片段的最小开始时间应小于或者等于1s，最大结束时间应大于或者等于20s。
56.在本实施例的一个例子中，若第一音频片段的起止时间为2-10s，可以根据第一音频片段的起止时间，从各字幕片段中确定与第一音频片段的起止时间相匹配的一个或多个参考字幕片段，示例性的，与第一音频片段的起止时间相匹配的各参考字幕片段的可疑分
为为“第一参考字幕片段(起止时间为1-4s)、第二参考字幕片段(起止时间为4-7s)以及第三参考字幕片段(起止时间为7-12s)”；进一步的，可以按照起止时间的先后顺序，对各参考字幕片段进行组合，得到组合字幕片段；在本例子中得到的组合字幕片段可以为“第一参考字幕片段-第二参考字幕片段-第三参考字幕片段”。
57.s240、将各音频片段与各音频片段的组合字幕片段进行强制对齐，确定各组合字幕片段中每个字符的起止时间。
58.s250、按照各字符的起止时间，在各音频片段中截取与各字符匹配的字符音频，并分别将各字符与匹配的字符音频进行组合得到标注数据。
59.本实施例的方案，可以根据获取到的各音频片段的起止时间，从各字幕片段中分别得到与各音频片段的起止时间相匹配的至少一个参考字幕片段；按照设定起止时间顺序将隶属于同一音频片段的各参考字幕片段进行组合，得到与各音频片段分别对应的组合字幕片段，可以准确地得到与每个音频片段相对于的组合字幕片段，为后续将音频片段与组合字幕片段进行强制对齐提供依据，为提升标注数据的准确性提供帮助。
60.图3是根据本公开实施例的又一种标注数据的生成方法的示意图，本实施例是对上述技术方案的进一步细化，本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图3所示，标注数据的生成方法包括如下：
61.s310、获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段。
62.s320、根据各音频片段和各字幕片段的起止时间，获取与各音频片段分别对应的组合字幕片段。
63.s330、根据各音频片段的起止时间，以及各组合字幕的起止时间，将各音频片段与各组合字幕片段分别进行对齐，得到各组合字幕片段中每个字符的起止时间。
64.在本实施例的一个可选实现方式中，在获取到与各音频片段分别对应的组合字幕片段之后，可以进一步的根据各音频片段的起止时间，以及各组合字幕片段的起止时间，将各音频片段与各组合字幕片段进行强制对齐，从而得到各组合字幕片段中每个字符的起止时间。
65.在本实施例的一个例子中，若第一音频片段的起止时间为2-20s，与第一音频片段对应的组合字幕片段的起止时间为1-22s，则可以在与第一音频片段对应的组合字幕片段中确定第2s和第20s，即可实现第一音频片段与其组合字幕片段进行强制对齐；进一步的，可以根据强制对齐结果确定组合字幕片段中每个字符的起止时间。示例性的，组合字幕片段中的第一字符的起止时间可以为1-1.25s；第二字符的起止时间可以为1.25-1.5s。
66.在本实施例的另一个可选实现方式中，将各音频片段与各音频片段的组合字幕片段进行强制对齐，确定各组合字幕片段中每个字符的起止时间，可以包括：将各音频片段与各音频片段对应的组合字幕输入至预设强制对齐模型中，得到各组合字幕片段中每个字符的起止时间。
67.其中，预设强制对齐模型可以为维特比模型或者其他对齐模型，本实施例中对其不加以限定。
68.在本实施例的一个例子中，在得到与各音频片段分别对应的组合字幕片段输入至维特比模型中，输出各组合字幕片段中每个字符的开始时间以及持续时间；可以理解的是，若已知目标字符的开始时间和持续时间，则可以将目标字符的开始时间加上目标字符的持
续时间，从而快速地确定目标字符的结束时间。
69.这样设置的好处在于，通过强制对齐模型可以快速地确定每个字符的起止时间，提升了算法的执行效率，也可以为后续准确地得到标注数据提供依据。
70.s340、按照各字符的起止时间，在各音频片段中截取与各字符匹配的字符音频，并分别将各字符与匹配的字符音频进行组合得到标注数据。
71.本实施例的方案，在获取到与各音频片段对应的组合字幕片段之后，可以根据各音频片段的起止时间，以及各组合字幕的起止时间，将各音频片段与各组合字幕片段分别进行对齐，可以准确地得到各组合字幕片段中每个字符的起止时间，为后续确定与每个字符匹配的字符音频提供依据。
72.图4是根据本公开实施例的再一种标注数据的生成方法的示意图，本实施例是对上述技术方案的进一步细化，本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图4所示，标注数据的生成方法包括如下：
73.s410、获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段。
74.s420、根据各音频片段和各字幕片段的起止时间，获取与各音频片段分别对应的组合字幕片段。
75.s430、将各音频片段与各音频片段的组合字幕片段进行强制对齐，确定各组合字幕片段中每个字符的起止时间。
76.s440、按照各字符的起止时间，在各音频片段中截取与各字符匹配的字符音频，并分别将各字符与匹配的字符音频进行组合得到标注数据。
77.在本实施例的一个可选实现方式中，在确定各组合字幕片段中每个字符的起止时间之后，可以进一步的在各音频片段中对各字符的起止时间进行标记，并根据标记结果对各音频片段进行切分，从而得到各字符音频。
78.在本实施例的一个例子中，若第一组合字幕片段中的第一字符的起止时间为1-1.25s，则可以在与第一组合字幕片段对应的字符音频中标记1s和1.25s这两个时间，并切分得到1-1.25s这个区间内的音频片段，得到与第一字符对应的第一字符音频；若第二字符的起止时间为1.25-1.6s，则可以在与第一组合字幕片段对应的字符音频中标记1.25s和1.6s这两个时间，并切分得到1.25-1.6s这个区间内的音频片段，得到与第二字符对应的第二字符音频。
79.可以理解的是，在本实施例中第一字符与第一字符音频可以组成第一标注数据；第二字符与第二字符音频可以组成第二标注数据。
80.s450、根据各字符音频的起止时间确定各字符音频的持续时间；在目标持续时间小于设定时间阈值的情况下，在标注数据集合中滤除与目标持续时间对应的目标字符音频，以及与目标字符音频对应的目标字符。
81.其中，设定时间阈值可以为0.2s、0.25s或者0.26s等，本实施例中对其不加以限定。
82.在本实施例的一个可选实现方式中，在得到与各字符匹配的字符音频之后，可以进一步的根据各字符音频的起止时间确定各字符音频的持续时间；在目标持续时间小于设定时间阈值的情况下，可以从标注数据集合中滤除与目标持续时间对应的目标字符音频，以及与目标字符音频对应的目标字符。
83.可以理解的是，在本实施例中若第一字符音频的起止时间为1-1.26s，那么第一字符音频的持续时间为1.26-1＝0.26s。
84.在本实施例的一个例子中，若目标字符音频的起止时间为1-1.2s，那么目标字符音频的持续时间为0.2s小于设定时间阈值(0.25s)，则认为目标字符音频的发音不清楚，从标注数据集合中滤除目标字符音频以及与目标字符音频对应的目标字符这一标注数据。
85.这样设置的好处在于，可以对生成的各标注数据进行优化，滤除不清晰的标注数据，可以有效地提升语音识别模型的准确率。
86.本实施例的方案，在确定各所述组合字幕片段中每个字符的起止时间之后，可以进一步的按照各所述字符的起止时间，在各所述音频片段中截取与各所述字符匹配的字符音频，并分别将各所述字符与匹配的字符音频进行组合得到标注数据，可以准确地得到包含字符以及与其匹配的字符音频的标注数据，可以准确地得到语音识别模型的训练数据，无需人工进行标注，节省了大量的人力成本。
87.为了使本领域技术人员更好地理解本公开涉及到的标注数据的生成方法，下面采用一个具体例子进行说明，图5是根据本公开实施例的一种视频文件的处理流程的示意图，参考图5，其主要包括如下：
88.s510、获取长视频。
89.s511、提取长视频中的音频流数据。
90.s512、提取长视频中的图片流数据。
91.s520、通过语音活性检测算法抽取出音频流数据中的各音频片段。
92.s530、通过字符识别算法识别出图像流数据中的各字幕片段。
93.s540、根据各音频片段以及各字幕片段的时刻点信息，确定与每个语音片段匹配的多个字幕片段，并将各字幕片段进行拼接，得到组合字幕片段。
94.s550、将语音片段与组合字幕片段进行强制对齐，得到组合字幕片段中每个文字的开始时间和持续时间。
95.s560、根据每个文字的开始时间和持续时间确定与各文字匹配的音频，将各文字与文字对应的音频进行组合，得到标注数据。
96.本实施例的方案，根据得到的标注数据对语音识别模型进行训练，模型准确率可以达到95％以上，准确率较高，无需人工进行标注，提升标注效率的同时节省了大量的人力成本。
97.图6是根据本公开实施例提供的一种标注数据的生成装置的示意图，该装置可以执行本公开任一实施例中涉及到的标注数据的生成方法；参考图6，标注数据的生成装置600，包括：片段获取模块610、组合字幕片段获取模块620、起止时间确定模块630以及标注数据确定模块640。
98.片段获取模块610，用于获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段；
99.组合字幕片段获取模块620，用于根据各所述音频片段和各所述字幕片段的起止时间，获取与各所述音频片段分别对应的组合字幕片段；
100.起止时间确定模块630，用于将各所述音频片段与各所述音频片段的组合字幕片段进行强制对齐，确定各所述组合字幕片段中每个字符的起止时间；
101.标注数据确定模块640，用于按照各所述字符的起止时间，在各所述音频片段中截取与各所述字符匹配的字符音频，并分别将各所述字符与匹配的字符音频进行组合得到标注数据。
102.本实施例的方案，通过片段获取模块获取与目标多媒体文件对应的至少一个音频片段以及至少一个字幕片段；通过组合字幕片段获取模块可以根据各所述音频片段和各所述字幕片段的起止时间，获取与各所述音频片段分别对应的组合字幕片段；通过起止时间确定模块将各所述音频片段与各所述音频片段的组合字幕片段进行强制对齐，确定各所述组合字幕片段中每个字符的起止时间；通过标注数据确定模块按照各所述字符的起止时间，在各所述音频片段中截取与各所述字符匹配的字符音频，并分别将各所述字符与匹配的字符音频进行组合得到标注数据，可以快速且准确地生成标注数据，提升了标注数据的准确性，为训练得到高精度的语音识别模型提供帮助，同时也节省了大量的人力成本。
103.在本实施例的一个可选实现方式中，标注数据的生成装置600还包括：字幕片段合并模块；
104.所述字幕片段合并模块，用于依次比对各相邻字幕片段的文本内容是否相同；
105.若第一字幕片段中的文本内容与第二字幕片段中的文本内容相同，则将所述第一字幕片段与所述第二字幕片段合并为同一字幕片段。
106.在本实施例的一个可选实现方式中，所述组合字幕片段获取模块62.，具体用于
107.根据各所述音频片段的起止时间，从各所述字幕片段中分别得到与各所述音频片段的起止时间相匹配的至少一个参考字幕片段；
108.按照设定起止时间顺序将隶属于同一音频片段的各所述参考字幕片段进行组合，得到与各所述音频片段分别对应的组合字幕片段。
109.在本实施例的一个可选实现方式中，所述起止时间确定模块630，具体用于根据各所述音频片段的起止时间，以及各所述组合字幕的起止时间，将各所述音频片段与各所述组合字幕片段分别进行对齐，得到各所述组合字幕片段中每个字符的起止时间。
110.在本实施例的一个可选实现方式中，所述起止时间确定模块630，具体用于将各所述音频片段与各所述音频片段对应的组合字幕片段输入至预设强制对齐模型中，得到各所述组合字幕片段中每个字符的起止时间。
111.在本实施例的一个可选实现方式中，所述标注数据确定模块640，具体用于在各所述音频片段中对各所述字符的起止时间进行标记；
112.根据标记结果对各所述音频片段进行切分，得到各所述字符音频。
113.在本实施例的一个可选实现方式中，所述标注数据确定模块640，还包括：滤除单元；
114.所述滤除单元，用于根据各所述字符音频的起止时间确定各所述字符音频的持续时间；
115.在所述目标持续时间小于设定时间阈值的情况下，在标注数据集合中滤除与所述目标持续时间对应的目标字符音频，以及与所述目标字符音频对应的目标字符。
116.上述标注数据的生成装置可执行本公开任意实施例所提供的标注数据的生成方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开任意实施例提供的标注数据的生成方法。
117.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
118.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
119.图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
120.如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元707加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
121.设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
122.计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如标注数据的生成方法。例如，在一些实施例中，标注数据的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的标注数据的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行标注数据的生成方法。
123.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
124.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处
理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
125.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
126.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
127.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
128.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
129.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
130.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。