欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025101105973
申请人: 昆明理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 乐器;声学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于大语言模型语义能力的说话人日志任务优化方法,其特征在于:所述方法包括:Step1、通过语音活动检测和自动语音识别模块生成带时间戳的语音转录文本,将生成的时间戳与转录文本整合,形成时间戳文本流;

Step2、利用提示构造器分析时间戳文本流,生成与说话人日志任务匹配的提示词;

Step3、将生成的提示词、时间戳文本流输入大语言模型,解析时间戳和文本内容,生成包含时间戳、句子和说话人标签的初步说话人日志结果;

Step4、对初步说话人日志结果进行后处理,输出准确的说话人日志结果;

所述Step1包括:语音活动检测模块采用FSMN单声道大语言模型;

语音活动检测模块首先检测出音频中有效的语音片段,标注出这些语音片段的开始和结束时间戳;随后自动语音识别模块对这些语音片段进行转录,生成相应的文本;最终,语音活动检测模块生成的时间戳和自动语音识别模块生成的文本被整合为时间戳文本流;

所述Step3包括:

Step3.1、将输入提示词的大语言模型结合输入的时间戳文本流,通过Few-shot提示策略对语义内容进行分析,识别不同说话人的发言区域和转换点,并通过Few-shot向模型展示典型的对话结构,指导模型准确区分不同说话人的发言;同时,模型根据语义特征判断说话人身份,并生成包含时间戳、句子和说话人标签的初步说话人日志结果;

Step3.2、之后,进行多轮对话输入并多次生成初步说话人日志结果:若生成的日志中某些发言未能标记说话人身份,则默认标记为“说话人1”;而插话或语义转折的内容则根据语义特征分配给其他说话人。

2.根据权利要求1所述的基于大语言模型语义能力的说话人日志任务优化方法,其特征在于:所述Step2包括:首先,利用提示构造器分析时间戳文本流,提取文本中的语义信息、上下文关联及时间特征,并结合对话结构特点,识别潜在的说话人转换点;

然后,进行提示词任务构建;提示词包含语义内容、时间戳和上下文信息。

3.根据权利要求1所述的基于大语言模型语义能力的说话人日志任务优化方法,其特征在于:所述Step4中,所述对初步说话人日志结果进行后处理包括:Step4.1、合并同一说话人的连续发言,并调整时间戳的起止位置,对齐时间戳;

Step4.2、消除冗余,删除重复的语句或无效发言。

4.基于大语言模型语义能力的说话人日志任务优化系统,其特征在于,所述系统包括:用于执行如权利要求1至3任一项所述的基于大语言模型语义能力的说话人日志任务优化方法的模块。

5.一种电子设备,包括存储器、处理器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,其特征在于,所述处理器执行所述程序时实现如权利要求1至3任一项所述基于大语言模型语义能力的说话人日志任务优化方法。

6.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述基于大语言模型语义能力的说话人日志任务优化方法。

7.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述基于大语言模型语义能力的说话人日志任务优化方法。