CN109949828B - 一种文字校验方法及装置 - Google Patents

Abstract

本发明实施例提供了一种文字校验方法及装置，该方法包括当检测到播放指令时，获取文本中待校验的文字，所述待校验的文字包括至少一个文字；确定所述待校验的文字对应的目标语音信号片段，所述待校验的文字所在的文字段为所述目标语音信号片段经过语音识别后生成的文字段，所述文本包括至少一个文字段，每个文字段对应一个语音信号片段；播放所述目标语音信号片段。本发明实施例在确定待校验的文字后，可以根据待校验的文字对应的时间戳准确地确定相应的语音信号片段并进行播放，所以本实施例提供的方法使用比较方便，能够提高校验效率。

Description

一种文字校验方法及装置

技术领域

本发明实施例涉及语音文字转换技术领域，尤其涉及一种文字校验方法及装置。

背景技术

目前，随着智能语音文字转换技术的发展，将语音转换为文字的效率得到了大大提高。智能语音文字转换技术可以应用于会议记录、培训记录或采访记录中。在对语音信号进行文字转换时，首先提取语音信号的特征参数，再将该特征参数与语音数据库中文字对应的特征参数进行匹配，从而得到匹配度最高的文字并输出。对于在安静环境下的标准普通话语音的文字转换，准确率较高。但是，在现实场景下，发言者无可避免地会带有一定的地方口音，并且无法保证在安静的环境下进行录音，所以无法保证语音文字转换的准确率。

在无法保证语音文字转换准确率的情况下，需要人工对转换后的文字进行校验。当校验人员发现错误文字时，需要依据原录音内容进行改正。对于较长的录音，虽然可以根据错误文字的位置，判断用于校正错误文字的那段语音内容的大概位置，但是这种方式通常要多次尝试播放，多次试听，才能准确播放出校验需要的那段语音内容，所以比较浪费时间，导致校验效率比较低下。

发明内容

本发明实施例提供了一种将文字校验方法及终端，以提供一种能够提高文字校验效率的方法。

本发明实施例提供了一种文字校验方法，包括：

当检测到播放指令时，获取文本中待校验的文字，所述待校验的文字包括至少一个文字；

确定所述待校验的文字对应的目标语音信号片段，所述待校验的文字所在的文字段为所述目标语音信号片段经过语音识别后生成的文字段，所述文本包括至少一个文字段，每个文字段对应一个语音信号片段；

播放所述目标语音信号片段。

进一步地，确定所述待校验的文字对应的目标语音信号片段，包括：

确定所述待校验的文字所在的文字段的第一时间戳；

确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，所述第二时间戳为语音信号片段标记的时间戳。

进一步地，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，包括：

对全部语音信号片段进行分组；

确定各组语音信号片段中第一个语音信号片段的第三时间戳，所述第三时间戳与所述第一个语音信号片段的第二时间戳相同；

确定与所述第一时间戳差值最小的目标时间戳，所述目标时间戳为所述第三时间戳中的一个；

如果所述第一时间戳大于所述目标时间戳，则从所述目标时间戳对应的语音信号片段开始向后依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，否则从所述目标时间戳对应的语音信号片段开始向前依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段。

进一步地，当检测到播放指令时，获取文本中待校验的文字之前，包括：

获取语音信号；

在所述语音信号中的语句停顿信号处进行断句，生成语音信号片段；

将所述语音信号片段转换为文字段；

对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳。

进一步地，对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳，包括：

利用所述语音信号片段的起始时间和/或结束时间对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳，所述第一时间戳与所述第二时间戳相同。

进一步地，获取语音信号之后，以及对所述文字段标记第一时间戳，对所述语音信号片段标记第二时间戳之前，还包括：

将所述语音信号转换为文字；

根据所述文字的语意，对所述文字进行断句，生成文字段；

根据所述文字段对所述语音信号进行断句，生成语音信号片段。

本发明实施例还提供了一种文字校验装置，包括：

第一获取单元，用于当检测到播放指令时，获取文本中待校验的文字，所述待校验的文字包括至少一个文字；

确定单元，用于确定所述待校验的文字对应的目标语音信号片段，所述待校验的文字所在的文字段为所述目标语音信号片段经过语音识别后生成的文字段，所述文本包括至少一个文字段，每个文字段对应一个语音信号片段；

播放单元，用于播放所述目标语音信号片段。

进一步地，所述确定单元包括：

第一确定子单元，用于确定所述待校验的文字所在的文字段的第一时间戳；

第二确定子单元，用于确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，所述第二时间戳为语音信号片段标记的时间戳。

进一步地，第二确定子单元具体用于：

对全部语音信号片段进行分组；

确定各组语音信号片段中第一个语音信号片段的第三时间戳，所述第三时间戳与所述第一个语音信号片段的第二时间戳相同；

确定与所述第一时间戳差值最小的目标时间戳，所述目标时间戳为所述第三时间戳中的一个；

如果所述第一时间戳大于所述目标时间戳，则从所述目标时间戳对应的语音信号片段开始向后依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，否则从所述目标时间戳对应的语音信号片段开始向前依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段。

进一步地，所述装置还包括：

第二获取单元，用于获取语音信号；

断句单元，用于在所述语音信号中的语句停顿信号处进行断句，生成语音信号片段；

转换单元，用于将所述语音信号片段转换为文字段；

标记单元，用于对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳。

本发明实施例在确定待校验的文字后，可以根据待校验的文字对应的时间戳准确地确定相应的语音信号片段并进行播放，所以本实施例提供的方法使用比较方便，能够提高校验效率。

附图说明

图1为本发明实施例提供的一种文字校验方法的流程图；

图2为本发明实施例提供的一种文字校验装置的结构框图；

图3为本发明实施例提供的另一种文字校验装置的结构框图；

图4为本发明实施例提供的一种文字校验***的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例可以应用在终端上，例如手机、计算机、平板电脑等等。在将语音信号转换为文本后，可以在终端上进行文字校验。在对文本进行校验并发现错误的文字时，可以播放该文字对应的语音信号片段，以便通过语境确定正确的文字。为能够快速确定待校验文字对应的语音信号片段，可以在将语音信号转换为文字的过程中，对语音信号以及文字添加相同的时间戳，从而通过相同的时间戳快速确定待校验文字对应的语音信号片段。

在将语音信号转换为文字的过程中，其中一种实现方式可以是文字实时转换，即在当场采集发言者输出的语音信号的同时，将该语音信号转换为文字，并进行保存。在该实现方式中，可以使用带有语音信号采集功能的终端，例如带有话筒的终端。另一种实现方式可以是文字非实时转换，即利用带有录音功能的设备对发言者输出的语音信号进行预先录制，再将录制好的完整语音信号发送给终端，终端对获取到的语音信号进行文字转换。

本发明实施例还可以应用在终端和与终端连接的云端服务器上。终端可以将待进行文字转换的语音信号发送给云端服务器，云端服务器对获取到的语音信号进行文字转换，并将转换后的文字发送给终端。该待进行文字转换的语音信号可以是终端本身实时录制而成，也可以是其他录音设备录制完后发送给终端的语音信号。

参见图1，为本发明实施例提供的一种文字校验的方法，该方法可以应用在终端上。如图1所示，该方法可以包括以下步骤。

步骤11，获取语音信号。

该语音信号为待转换为文字的语音信号。将语音信号转换为文字的方式可以是实时转换，所以可以实时获取语音信号，也可以是非实时转换。在具体实现中，可以是终端本身直接获取语音信号，也可以是利用语音信号采集设备获取语音信号。

步骤12，在所述语音信号中的语句停顿信号处进行断句，生成语音信号片段。

在文字实时转换的方式中，可以在获取语音信号的同时，实时检测无声信号的延续时间。当检测到无声信号的延续时间超过预设时间时，该无声信号可以作为语句停顿信号，并在该语句停顿信号上进行断句，从而生成语音信号片段，该断句处为该语音信号片段的结束端。确定语句停顿信号的方式，可以先确定所述语音信号中两个音节之间的平均时间间隔，根据该平均时间间隔设定门限值，当检测到无声信号的延续时间超过该门限值时，可以确定该无声信号为语句停顿信号。需要说明的是，断句处可以是语句停顿信号上的任一位置，本发明实施例不对具体的断句位置进行限定。

在文字非实时转换的方式中，可以先确定完整的语音信号中的语句停顿信号，并在语句停顿信号处进行断句，从而生成多个语音信号片段。

对语音信号进行断句后，可以计算该断句处对应的时间，以确定断句后的各个语音信号片段的起始时间以及结束时间。在具体实现中，可以将语音信号中第一个语音信号片段的起始时间设置为0，其结束时间可以是第一个断句处的时间。

在本发明实施例中，可以利用所述语音信号片段的起始时间和/或结束时间对所述语音信号标记时间戳。也就是说，该语音信号片段可以标记一个时间戳，可以是语音信号片段的起始时间戳或结束时间戳，或者，该语音信号片段也可以标记两个时间戳，分别是语音信号片段的起始时间戳和结束时间戳。

该无声信号的延续时间可以根据语音信号的波形进行确定，在此不再赘述。

步骤13，将所述语音信号片段转换为文字段。

在文字实时转换的方式中，可以每生成一个语音信号片段，就开始对该语音信号片段进行文字转换，从而节约文字转换的时间。并可以当场显示转换后的文字，当场校验文字错误，并对错误文字进行记录，方便后期修改。

在文字非实时转换的方式中，可以将生成的多个语音信号片段，依次转换为文字段。

在本发明实施例中，可以对所述语音信号片段进行声纹识别，确定所述语音信号片段对应的发言人，再将所述发言人的名称以文字的形式添加在所述语音信号片段对应的文字段中。具体地，可以将所述发言人的名称添加在该段文字段的最前端，发言人的名称可以用括号进行标注，或发言人的名称之后标注冒号。通过声纹识别，能够在多人发言的场景下，标注出各段文字对应的发言人，从而方便查看以及编辑文本记录。

步骤14，对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳，所述第一时间戳与所述第二时间戳相同。

在具体实现中，可以根据各个语音信号片段的采样频率计算各个语音信号片段的起始时间和结束时间，以用于对各语音信号片段和文字段标记时间戳。各语音信号片段可以标记一个时间戳，可以是语音信号片段的起始时间或结束时间，或者，也可以标记两个时间戳，分别是语音信号片段的起始时间和结束时间。各文字段可以标记与语音信号片段一样的时间戳。语音信号片段的起始时间可以标记在每段文字的起始端，语音信号片段的结束时间可以标记在每段文字的结束端，本发明实施例，不对每段文字时间戳的具***置进行限制。

例如，语音信号及其对应的时间戳为：“[0:00.000]易居研究院智库研究中心总监严跃进表示，[0:03.145]10月份，北京、上海、深圳、成都、福州、南京、杭州、合肥、郑州、无锡等10个热点城市新房均出现同比负增长。”

当该语音信号转换为文字后，“易居研究院智库研究中心总监严跃进表示”这一语音信号片段可以在段首标记“0:00.000”的时间戳，“10月份，北京、上海、深圳、成都、福州、南京、杭州、合肥、郑州、无锡等10个热点城市新房均出现同比负增长”这一语音信号片段可以在段首标记“0:03.145”的时间戳。

本实施例不对语音信号的断句方式进行限制，例如还可以按照固定的时间间隔对语音信号进行断句。

需要说明的是，当语音信号按照固定的时间间隔进行断句并对断句后的各个语音信号片段标记时间戳时，如果该时间戳也是各个语音信号片段对应的文字段的时间戳，该时间戳对应的文字段从语意上来讲并不是一段完整的话，所以获取语音信号之后，可以将所述语音信号转换为文字，根据所述文字的语意，对所述文字进行断句，生成文字段，根据所述文字段对所述语音信号进行断句，生成语音信号片段，利用所述语音信号片段的起始时间和/或结束时间对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳，所述第一时间戳与所述第二时间戳可以相同。

在一种实施方式中，终端在执行完步骤12，生成语音信号片段后，也可以将该语音信号片段发送给云端服务器，云端服务器将该语音信号片段转换为文字段，并对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳，再将标记有时间戳的文字段和语音信号片段发送给终端。

在另一种实施方式中，上述步骤11至14也可以由云端服务器执行。在进行文字实时转换的方式中，终端实时地将采集到的语音信号发送给云端服务器，云端服务器执行完步骤11至14后，将语音信号片段对应的文字段再发送给终端，从而实现实时转换。在非实时转换的方式中，终端可以将完整语音信号发送给云端服务器，云端服务器进行文字转换后，再将带有时间戳的文字发送给终端，也可以将带有时间戳的语音信号片段发送给终端。

转换后的文字段可以组成可读和可编辑的文本，可以在终端上对该文本进行校验。对该文本进行校验的过程可以包括以下步骤。

步骤15，当检测到播放指令时，获取文本中待校验的文字，所述待校验的文字包括至少一个文字。

在具体实现时，校验人员可以选中待校验的文字，并点击播放按钮，点击播放按钮后，***能够检测到播放指令。需要说明的是，本发明实施例不对该播放按钮的显示方式进行限定，例如，该播放按钮可以在打开文本后显示，也可以在选中文字后显示，还可以选中文字并右击鼠标后显示。

步骤16，确定所述待校验的文字对应的目标语音信号片段，所述待校验的文字所在的文字段为所述目标语音信号片段经过语音识别后生成的文字段，所述文本包括至少一个文字段，每个文字段对应一个语音信号片段。

在确定所述待校验的文字对应的目标语音信号片段时，可以先确定所述待校验的文字所在的文字段的第一时间戳，再确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，所述第二时间戳为语音信号片段标记的时间戳。

确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段的步骤可以包括：

步骤161，对全部语音信号片段进行分组。

在具体实现中，可以预先设置不同的语音信号片段的个数对应的分组数目。例如，当语音信号片段的数目在10～50的范围内时，将其分为两组，在50～100的范围内时，将其分为三组。每组中的语音信号片段的数目相同或相近。

需要说明的是，可以按照语音信号片段的时间先后顺序对语音信号片段进行分组，以便于按照时间先后顺序依次对各个语音信号片段进行搜索。

步骤162，确定各组语音信号片段中第一个语音信号片段的第三时间戳，所述第三时间戳与所述第一个语音信号片段的第二时间戳相同。

例如，有三组语音信号片段，每组语音信号片段包括30个语音信号片段，各个语音信号片段可以按照时间戳的先后顺序进行排列。第一组语音信号片段中的语音信号片段对应的时间戳为a1～a30，第二组语音信号片段中的语音信号片段对应的时间戳为b1～b30，第三组语音信号片段中的语音信号片段对应的时间戳为c1～c30，则每组语音信号片段中第一个语音信号片段的时间戳分别为a1，b1，c1。

步骤163，确定与所述第一时间戳差值最小的目标时间戳，所述目标时间戳为所述第三时间戳中的一个。

在具体实现中，可以对各组语音信号片段以及各组对应的第三时间戳可以进行保存，当再次确定待校验文字对应的语音信号片段时，可直接执行步骤163，可以不必进行重新分组以及重新确定各组对应的第三时间戳。

步骤164，如果所述第一时间戳大于所述目标时间戳，则从所述目标时间戳对应的语音信号片段开始向后依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，否则从所述目标时间戳对应的语音信号片段开始向前依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段。

例如，第一时间戳与b1的差值最小，并且大于b1，则从b1对应的语音信号片段开始向后依次搜索各个语音信号片段的第二时间戳，即依次搜索b2、b3、b4……，直至找到与所述第一时间戳相同的第二时间戳对应的目标语音信号片段。

在确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段时，不需要从第一个语音信号片段的时间戳开始搜索，而是从距离第一时间戳最近的第三时间戳开始搜索，所以本实施例不仅能够提高程序计算速度，快速找到待校验的文字对应的语音信号片段，还可以降低对终端CPU资源的占用率。

步骤17，播放所述目标语音信号片段。

在具体实现时，点击播放按钮后，***能够检测到播放指令，进而播放该文字所在字段的时间戳对应的语音信号片段，从而可以通过语境确定正确的文字。

例如，有文本为“[0:00.000]易居研究院智库研究中心总监严跃进表示，[0:03.145]10月份，北京、上海、深圳、成都、福州、南京、杭州、合肥、郑州、无锡等10个热点城市心房均出现同比负增长”，当选中“心房”，并点击播放按钮后，可以播放语音信号片段“10月份，北京、上海、深圳、成都、福州、南京、杭州、合肥、郑州、无锡等10个热点城市心房均出现同比负增长”，从而通过一整段话的语境校验“心房”的正误。

在具体实现中，还可以标记每一帧语音信号的时间戳，以及标记每个文字的时间戳，从而实现当选中一段文字发送播放指令后，能够播放该段文字对应的语音信号片段，以用于文字校验，具体实施过程可参考上述步骤，在此不再赘述。

本发明实施例在确定待校验的文字后，可以根据待校验的文字对应的时间戳准确地确定相应的语音信号片段并进行播放，所以本实施例提供的方法使用比较方便，能够提高校验效率。

参见图2，为本发明实施例提供的一种文字校验装置，该装置可以部署在终端上，或者为终端本身，如图2所示，该装置可以包括第二获取单元21，断句单元22，转换单元23，标记单元24，第一获取单元25，确定单元25以及播放单元27。

第二获取单元21，用于获取语音信号。

断句单元22，用于在所述语音信号中的语句停顿信号处进行断句，生成语音信号片段。

转换单元23，用于将所述语音信号片段转换为文字段。

该转换单元23可以连接云端服务器，该转换单元23可以通过云端服务器将所述语音信号片段转换为文字段。

标记单元24，用于对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳。

该标记单元24具体可以用于：利用所述语音信号片段的起始时间和/或结束时间对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳，所述第一时间戳与所述第二时间戳相同。

当转换单元23连接云端服务器时，标记单元24也可以通过云端服务器对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳。

第一获取单元25，用于当检测到播放指令时，获取文本中待校验的文字，所述待校验的文字包括至少一个文字.

确定单元26，用于确定所述待校验的文字对应的目标语音信号片段，所述待校验的文字所在的文字段为所述目标语音信号片段经过语音识别后生成的文字段，所述文本包括至少一个文字段，每个文字段对应一个语音信号片段。

该确定单元26可以包括：

第一确定子单元，用于确定所述待校验的文字所在的文字段的第一时间戳；

第二确定子单元，用于确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，所述第二时间戳为语音信号片段标记的时间戳。

该第二确定子单元可以具体用于：

对全部语音信号片段进行分组；

确定各组语音信号片段中第一个语音信号片段的第三时间戳，所述第三时间戳与所述第一个语音信号片段的第二时间戳相同；

确定与所述第一时间戳差值最小的目标时间戳，所述目标时间戳为所述第三时间戳中的一个；

如果所述第一时间戳大于所述目标时间戳，则从所述目标时间戳对应的语音信号片段开始向后依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，否则从所述目标时间戳对应的语音信号片段开始向前依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段。

播放单元27，用于播放所述目标语音信号片段。

本发明实施例在确定待校验的文字后，可以根据待校验的文字对应的时间戳准确地确定相应的语音信号片段并进行播放，所以本实施例提供的方法使用比较方便，能够提高校验效率。

参见图3，为本发明实施例提供的一种文字校验装置，该装置可以部署在终端上，或者为终端本身，如图3所示，该装置可以包括第二获取单元31，转换单元32，断句单元33，标记单元34。

第二获取单元31，用于获取语音信号。

转换单元32，用于将所述语音信号转换为文字。

断句单元33，用于根据所述文字的语意，对所述文字进行断句，生成文字段，以及根据所述文字段对所述语音信号进行断句，生成语音信号片段。

标记单元34，用于对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳。

本发明实施例在确定待校验的文字后，可以根据待校验的文字对应的时间戳准确地确定相应的语音信号片段并进行播放，所以本实施例提供的方法使用比较方便，能够提高校验效率。

参见图4，为本发明实施例提供的一种文字校验***，该***包括终端41和云端服务器42，所述终端41用于将采集到的语音信号发送给云端服务器42。云端服务器42可以包括第二获取单元421，断句单元422，转换单元423，标记单元424，

第二获取单元421，用于获取语音信号。

断句单元422，用于在所述语音信号中的语句停顿信号处进行断句，生成语音信号片段。

转换单元423，用于将所述语音信号片段转换为文字段。

该转换单元424可以连接云端服务器，该转换单元22可以通过云端服务器将所述语音信号片段转换为文字段。

标记单元424，用于对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳。

云端服务器42将带有第一时间戳的文字段以及带有第二时间戳的语音信号片段发送给终端41。

终端41用于查看以及校验文本，可以包括第一获取单元411，确定单元412以及播放单元413。

第一获取单元411，用于当检测到播放指令时，获取文本中待校验的文字，所述待校验的文字包括至少一个文字.

确定单元412，用于确定所述待校验的文字对应的目标语音信号片段，所述待校验的文字所在的文字段为所述目标语音信号片段经过语音识别后生成的文字段，所述文本包括至少一个文字段，每个文字段对应一个语音信号片段。

播放单元413，用于播放所述目标语音信号片段。

本发明实施例在确定待校验的文字后，可以根据待校验的文字对应的时间戳准确地确定相应的语音信号片段并进行播放，所以本实施例提供的方法使用比较方便，能够提高校验效率。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以生成一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令生成用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令生成包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以生成计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种文字校验方法及装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种文字校验方法，其特征在于，所述方法包括：

获取语音信号；

在所述语音信号中的语句停顿信号处进行断句，生成语音信号片段；

按照语音信号片段的时间先后顺序对全部语音信号片段进行分组；

确定各组语音信号片段中第一个语音信号片段的第三时间戳，所述第三时间戳与各组语音信号片段中第一个语音信号片段的第二时间戳相同；

当检测到播放指令时，获取文本中待校验的文字，所述待校验的文字包括至少一个文字；

确定所述待校验的文字所在的文字段的第一时间戳，所述待校验的文字所在的文字段为目标语音信号片段经过语音识别后生成的文字段，所述文本包括至少一个文字段，每个文字段对应一个语音信号片段；

确定与所述第一时间戳差值最小的目标时间戳，所述目标时间戳为所述第三时间戳中的一个；

如果所述第一时间戳大于所述目标时间戳，则从所述目标时间戳对应的语音信号片段开始向后依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，否则从所述目标时间戳对应的语音信号片段开始向前依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段；

播放所述目标语音信号片段。

2.根据权利要求1所述的方法，其特征在于，当检测到播放指令时，获取文本中待校验的文字之前，包括：

将所述语音信号片段转换为文字段；

对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳。

3.根据权利要求2所述的方法，其特征在于，对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳，包括：

利用所述语音信号片段的起始时间和/或结束时间对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳，所述第一时间戳与所述第二时间戳相同。

4.根据权利要求2所述的方法，其特征在于，获取语音信号之后，以及对所述文字段标记第一时间戳，对所述语音信号片段标记第二时间戳之前，还包括：

将所述语音信号转换为文字；

根据所述文字的语意，对所述文字进行断句，生成文字段；

根据所述文字段对所述语音信号进行断句，生成语音信号片段。

5.一种文字校验装置，其特征在于，包括：

确定单元，用于对全部语音信号片段进行分组；确定各组语音信号片段中第一个语音信号片段的第三时间戳，所述第三时间戳与所述第一个语音信号片段的第二时间戳相同；

第一获取单元，用于当检测到播放指令时，获取文本中待校验的文字，所述待校验的文字包括至少一个文字；

确定单元，确定所述待校验的文字所在的文字段的第一时间戳，所述待校验的文字所在的文字段为目标语音信号片段经过语音识别后生成的文字段，所述文本包括至少一个文字段，每个文字段对应一个语音信号片段；确定与所述第一时间戳差值最小的目标时间戳，所述目标时间戳为所述第三时间戳中的一个；如果所述第一时间戳大于所述目标时间戳，则从所述目标时间戳对应的语音信号片段开始向后依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段，否则从所述目标时间戳对应的语音信号片段开始向前依次搜索各个语音信号片段的第二时间戳，确定与所述第一时间戳相同的第二时间戳对应的目标语音信号片段；

播放单元，用于播放所述目标语音信号片段。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

转换单元，用于将所述语音信号片段转换为文字段；

标记单元，用于对所述文字段标记第一时间戳，以及对所述语音信号片段标记第二时间戳。

Images