基于AI技術的媒資內(nèi)容管理平臺

.PAGE.WORD格式整理專業(yè)資料值得擁有基于AI技術的媒資內(nèi)容管理平臺語音識別需求書2017年11月文檔信息產(chǎn)品名稱項目需求確認書產(chǎn)品負責人徐志亮負責人聯(lián)系方式22005899-51472文檔修改記錄版本修改時間修改人修改章節(jié)修改說明目錄1.簡介42.產(chǎn)品需求42.1、產(chǎn)品需求概述42.1.1、視頻預處理52.1.2、語音識別文字輸出52.1.3高識別率62.1.4支持多種音頻格式62.1.5多語言識別62.1.5高識別效率63.其他需求63.1服務器環(huán)境配置63.2測試需求63.3運維保障需求7..簡介項目背景隨著計算機自動化技術的發(fā)展,語音識別、字幕識別、場景分割等技術已經(jīng)日趨成熟,智能語義分析、智能素材關聯(lián)、人臉識別技術也在迅速發(fā)展,日本NHK等發(fā)達國家已實際應用。SMG的自動編目可從語音識別和字幕識別入手,以新聞、戲曲類節(jié)目為切人點,在節(jié)目素材入庫媒資時將語音和字幕自動進行文字化,減少編目人員工作量。之后,以自動場景分割技術為基礎,結合智能語義分析,逐步對節(jié)目和素材實現(xiàn)全自動的標引,提高整個媒資編目的自動化率,降低媒資運營的人工成本。產(chǎn)品需求2.1、產(chǎn)品需求概述隨著計算機自動化技術的發(fā)展,語音識別、字幕識別、場景分割等技術已經(jīng)日趨成熟,智能語義分析、智能素材關聯(lián)、人臉識別技術也在迅速發(fā)展,日本NHK等發(fā)達國家已實際應用。SMG可從語音識別入手,在節(jié)目素材入庫媒資時將語音和字幕自動進行文字化。之后,以自動場景分割技術為基礎,結合智能語義分析,逐步對節(jié)目和素材實現(xiàn)全自動的標引。該項目的目標是通過語音識別,對視頻進行文字內(nèi)容和關鍵詞的提取,提取后的內(nèi)容和關鍵詞按照視頻名稱和視頻時間信息進行存儲,最終為用戶提供文字內(nèi)容和關鍵詞的檢索服務。2.1.1、視頻預處理視頻預處理主要實現(xiàn)對視頻進行提取音頻視頻提取音頻,從視頻文件中提取音頻文件,音頻格式為〔mp3或wav。2.1.2、語音識別文字輸出自動識別音、視頻〔包括主流格式高、低碼格式中的語音,并將其識別為文本內(nèi)容,并頁面中展示。語音識別文本應包含時間戳,即表示在該段時間內(nèi)音頻的識別結果,語音識別的結果按照時間的順序〔入點時間,出點時間在每個視頻素材的詳情頁進行展示。語音識別文字輸出應當為完整句子形式、詞等,另外應具有智能的功能,例如,電話號碼、車牌、日期、時間以及量詞的規(guī)整,如"五點三十"會識別規(guī)整為"5:30"。自動斷句,并且在文本中加入標點如好,并且能夠識別詞屬性,詞屬性包括：普通詞；語氣猶豫詞,如"嗯"、"啊"、"呃"或者無意義的重復詞等；標點符號,如","等高識別率在音頻中為標準普通話的情況下,語音識別率需要達到90%以上。若音頻中為較為不標準普通話,則語音識別率可以稍微降低識別率要求。2.1.4支持多種音頻格式語音識別應支持多種視頻格式,例如wav,flac,opus,m4a,mp32.1.5多語言識別語音識別可能需要識別普通話,上海話,以及英語等,根據(jù)目前項目需求,至少需要能夠識別普通話以及上海話,并且達到較好的識別效果。2.1.5高識別效率由于音頻量大,所以需要高效率的語音識別軟件。音頻時長與識別時間的比要大于6:1。否則無法正常完成語音識別