一种采用人工智能的视频通讯语音转写方法、装置及电子设备
申请号:CN202511144555
申请日期:2025-08-15
公开号:CN120977306A
公开日期:2025-11-18
类型:发明专利
摘要
本发明公开了一种采用人工智能的视频通讯语音转写方法、装置及电子设备,涉及语音转写技术领域,包括以下步骤:获取视频通讯过程中的语音信号并按照预设帧长进行切分,得到若干个语音片段;对若干个语音片段分别进行特征提取,构建模糊特征向量并识别模糊发音区段;采用三角形隶属度函数构建语音隶属度曲线,并对语音隶属度曲线的拐点前后的模糊特征向量变化进行评估;基于评估结果对模糊发音区段对应的语音隶属度曲线斜率进行修正,得到修正后的模糊区间;对动态生成的音素候选路径进行筛选,并基于筛选后的最优音素路径生成文字转写结果,解决了当语义变化量被过度放大时,曲线拐点偏移过大,导致模糊音被强制分配到非主语义路径的问题。
技术关键词
语音转写方法
视频通讯
隶属度函数
生成文字
双向长短期记忆网络
曲线斜率
发音
语音采集模块
转移概率矩阵
语音转写技术
三角形
噪声抑制算法
隐马尔可夫模型
生成候选词
电子设备
分析模块
谐波噪声
信号