本发明涉及语音识别领域，具体公开了一种基于大语言模型的智慧课堂讲授摘要生成系统，包括：语音获取模块，用于获取教师课堂讲授的语音信息；语音识别模块，用于将语音信息识别为文本信息；文本纠错模块，用于根据预设的文本错误库并结合上下文识别文本信息中的错误语句，并对错误部分进行纠错替换，形成二次文本信息；主题切割模块，用于根据句子关联度算法对二次文本信息中的句子进行主题切割，形成若干个子主题；所述句子关联度算法包括如下内容：先将两个句子中的单词分别提取出，再将两个句子中的单词依次进行一一组队，两两形成一个单词对。采用本发明的技术方案能够针对特定领域的长文本(1万字左右)进行一致性的摘要识别。
📄 2024105752338
📂 G10L15_26
👤 西南大学
📅 2024-05-10
本发明涉及人工智能领域中的语音识别技术，具体公开了一种基于轻量化Transformer网络的语音识别系统及方法，系统包括预处理模块、第一前向传播模块、多头注意力模块、卷积模块、第二前向传播模块和全连接层模块，该系统通过模块化硬件设计且将部分参数利用忆阻交叉阵列予以实现，不仅具有较轻的网络模型，而且在不同的硬件规模下具有良好的识别精度，能有效地减少电路的能耗和面积开销，可以在功耗低、结构轻的边缘设备上实现语音识别任务，并具有较好的稳定性和抗噪性。
📄 2023100657281
📂 G10L15_26
👤 西南大学
📅 2023-01-14
本发明涉及一种针对语音识别系统的黑盒对抗样本生成方法，其特征在于：包括，S1，种群初始化；S2，计算种群中个体的适应度值；S3，判断个体的适应度值是否满足设定条件，若是，则获得对抗样本，若否，则执行S4；S4，对种群中的个体进行选择操作获取精英个体；S5，对种群中获取精英个体后的剩余个体进行交叉操作；S6，对剩余个体执行变异操作；S7，将执行变异操作后的剩余个体与精英个体构成下一代并返回执行S1。该方法在无法获得目标语音识别网络的条件下，仅利用目标语音识别网络提供的语音到文本的翻译功能，便能够成功地生成目标语音识别系统的对抗样本，实用性强。
📄 2020106007194
📂 G10L15_26
👤 宁波大学
📅 2020-06-28
本发明实施例公开了一种语音识别方法、设备及计算机可读存储介质，其中方法包括：获取待检测的第一数字语音信号，所述第一数字语音信号是由数字密码组成的，所述数字密码由多个数字组成；对所述第一数字语音信号进行预设分割处理，得到多个第二数字语音信号；根据预设的信号处理方法对每个第二数字语音信号进行处理，确定出与每个第二数字语音信号对应的对数梅尔功率频谱，并从所述对数梅尔功率频谱中提取每个第二数字语音信号的目标特征信息；对每个第二数字语音信号的目标特征信息进行识别，得到与每个第二数字语音信号对应的目标数字；根据所述目标数字确定与所述第一数字语音信号对应的目标数字密码，以提高语音识别的性能和有效性。
📄 2019100145573
📂 G10L15_26
👤 平安科技(深圳)有限公司
📅 2019-01-04
一种将会议语音识别为文本的方法，包括：通过语音识别技术将待识别的会议语音转化为文本，作为初始语音识别文本；将初始语音识别文本与预设文本数据库进行匹配，得到匹配后的语音识别文本；根据匹配后的语音识别文本生成具有可编辑状态的语音识别文本草稿；当侦测到语音识别文本草稿上接收到了编辑操作后，根据所述编辑操作后的语音识别文本生成具有不可编辑状态的语音识别文本，作为最终语音识别文本。本发明还提供一种将会议语音识别为文本的电子设备及存储介质。本发明通过对待识别的语音进行初步识别后，与预设文本库进行第一次匹配，再通过人工进行第二次确认，有效的保证文本输出内容的正确性，减少会议内容的校对工作量，提升了效率。
📄 2018105819224
📂 G10L15_26
👤 平安科技(深圳)有限公司
📅 2018-06-07
本发明公开了一种语音识别方法、装置、计算机设备及存储介质，所述方法包括：获取用户根据原文文本输入的语音数据，将语音数据切分为语音段进行识别转换处理，得到转换语句和转换序号，为每个转换语句创建变量存储空间，对原文文本预处理得到标准语句和标准序号，对每个转换语句切分得到待匹配字符串用于与标准语句进行匹配，将匹配成功的标准语句的标准序号存储到变量存储空间进行分析处理，并将得到的转换错误的语音段和标准语句存储到语音库作为数据集，基于数据集对语音识别模型进行训练，使得训练后的语音识别模型对检测到的语音数据进行纠错。本发明的技术方案能够增强语音识别模型的语音纠错能力，提高语音识别模型的准确率。
📄 2018105480821
📂 G10L15_26
👤 平安科技(深圳)有限公司
📅 2018-05-31
本发明涉及人工智能技术领域，提供一种讲解同步的视频高光处理方法、装置、计算机设备及介质，包括：根据教学视频的属性提取教学视频中的图片帧序列及语音文本序列；根据图片帧中的预设标记识别出多个关键图片帧并根据多个关键图片帧对语音文本序列进行切分，得到多个语音文本片段；确定每个关键图片帧中每条图片文本在对应的关键图片帧出现的位置；从语音文本片段中匹配出与每条图片文本对应的目标语音文本；根据每个关键图片帧中每条图片文本出现的位置及对应的目标语音文本的时间生成高光位置时间序列表；基于高光位置时间序列表对所述教学视频中的文件进行高光渲染。本发明使得视频中的文件与讲解进度同步高光跟随，视频处理效率高。
📄 2020115917540
📂 G10L15_26
👤 平安科技(深圳)有限公司
📅 2020-12-29
本发明公开了一种语音交互方法及装置、终端设备、计算机可读存储介质，涉及语音交互领域，语音交互方法，包括以下步骤：接收用户输入的题型语音信息；将所述题型语音信息进行语音识别，转换为对应的文字信息；在预设题型问法数据库对所述文字信息进行匹配，得到所述文字信息对应的题型问法信息。本发明可有效解决用户在做作业时，面对难题而又不知道如何开口询问的问题，直接将题型标题读出来，可得到有效的题型问法信息的反馈，让人机交互变得更顺畅。
📄 2019103006040
📂 G10L15_26
👤 广东小天才科技有限公司
📅 2019-04-15
本发明实施例涉及音频处理技术领域，公开了一种音频文件生成方法及装置、终端设备，该方法包括：录制外部人声以获得声音文件；将声音文件转换成文本内容；对该文本内容进行语义分析，以获得声音文件对应的情感特征；以该情感特征为依据，获取声音文件相适配的背景音乐和音效；对声音文件添加背景音乐和音效，获得音频文件；实施本发明实施例，结合声音文件的情感特征给以声音文件添加背景音乐和音效，以提高音频文件的听觉感受。
📄 2018100281342
📂 G10L15_26
👤 广东小天才科技有限公司
📅 2018-01-11
本发明涉及语音识别技术领域，揭露一种跨模态语音识别方法。所述方法包括以下步骤：获得待分析的视频信息并抽取其中的通话音频和视觉信息；获得语音帧序列；利用语音识别模型对所述语音帧序列进行解码操作，得到所对应的文本信息；对所述视觉信息进行多重特征提取操作，得到所述视觉信息的特征序列；利用预设的视觉信息提取模型，得到面部信息序列；利用预设的目标检测模型对所述面部信息序列进行提取分析，从而进行进一步的优化，利用训练后的唇语转换模型优化后的唇部序列，进行解码操作，得到候选词集；利用训练的融合神经模型加以对比和融合，输出最后的文本信息。本发明可以解决当前语音识别容易受到干扰的问题。
📄 2022111915973
📂 G10L15_26
👤 张勇俊
📅 2022-09-28
本发明公开了一种培训监管系统，属于语音识别技术领域，本发明中通过声音提取子系统将存在讲师声音的信号段提取出来，得到多个子段声音信号，提取每个子段声音信号的频域特征和时域特征，再将频域特征和时域特征进行融合，得到融合特征，保障特征的丰富度，提高语音识别精度，通过第一解码器解码出讲师全部口语文本，在第二解码器中根据每个子段声音信号的平均幅值对融合特征进行增强，通过声音信号的幅值情况反应讲师强调的内容的重要程度，实现对重要内容的解码，得到讲师重要内容口语文本。本发明的培训监管系统不需要人工监管，自动记录讲师所讲述的全部内容和重点内容。
📄 2023112440302
📂 G10L15_26
👤 成都航空职业技术学院
📅 2023-09-26
柿子坊 · 知识产权运营
柿子坊知识产权运营平台