基于AI技術(shù)得媒資內(nèi)容管理系統(tǒng)平臺

基于AI技術(shù)的媒資內(nèi)容管理平臺語音識別需求書1年711月

文檔信息產(chǎn)品名稱項(xiàng)目需求確認(rèn)書產(chǎn)品負(fù)責(zé)人徐志亮負(fù)責(zé)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1.簡介1.簡介 錯..誤！未定義書簽。2.產(chǎn)品需求TOC\o"1-5"\h\z\o"CurrentDocument"2.1、產(chǎn)品需求概述 4\o"CurrentDocument"2.1.1、視頻預(yù)處理 5\o"CurrentDocument"2.1.2、語音識別文字輸出 5\o"CurrentDocument"2.1.3高識別率 6\o"CurrentDocument"2.1.4支持多種音頻格式 6\o"CurrentDocument"2.1.5多語言識別 6\o"CurrentDocument"2.1.5高識別效率 63.其他需求 錯誤！未定義書簽。 6錯誤！未定義書簽。錯誤！未定義書簽。 6錯誤！未定義書簽。3.2測試需求 3.3運(yùn)維保障需求 1.簡介1.1項(xiàng).目背景隨著計(jì)算機(jī)自動化技術(shù)的發(fā)展，語音識別、字幕識別、場景分割等技術(shù)已經(jīng)日趨成熟，智能語義分析、智能素材關(guān)聯(lián)、人臉識別技術(shù)也在迅速發(fā)展，日本等發(fā)達(dá)國家已實(shí)際應(yīng)用。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(diǎn)，在節(jié)目素材入庫媒資時將語音和字幕自動進(jìn)行文字化，減少編目人員工作量。之后，以自動場景分割技術(shù)為基礎(chǔ)，結(jié)合智能語義分析，逐步對節(jié)目和素材實(shí)現(xiàn)全自動的標(biāo)引，提高整個媒資編目的自動化率，降低媒資運(yùn)營的人工成本。2.產(chǎn)品需求2.1、產(chǎn)品需求概述隨著計(jì)算機(jī)自動化技術(shù)的發(fā)展，語音識別、字幕識別、場景分割等技術(shù)已經(jīng)日趨成熟，智能語義分析、智能素材關(guān)聯(lián)、人臉識別技術(shù)也在迅速發(fā)展，日本等發(fā)達(dá)國家已實(shí)際應(yīng)用。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(jìn)行文字化。之后，以自動場景分割技術(shù)為基礎(chǔ)，結(jié)合智能語義分析，逐步對節(jié)目和素材實(shí)現(xiàn)全自動的標(biāo)引。該項(xiàng)目的目標(biāo)是通過語音識別，對視頻進(jìn)行文字內(nèi)容和關(guān)鍵詞的提取，提取后的內(nèi)容和關(guān)鍵詞按照視頻名稱和視頻時間信息進(jìn)行存儲，最終為用戶提供文字內(nèi)容和關(guān)鍵詞的檢索服務(wù)。2.1.1、視頻預(yù)處理視頻預(yù)處理主要實(shí)現(xiàn)對視頻進(jìn)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（或）。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(yīng)包含時間戳，即表示在該段時間內(nèi)音頻的識別結(jié)果，語音識別的結(jié)果按照時間的順序（入點(diǎn)時間，出點(diǎn)時間）在每個視頻素材的詳情頁進(jìn)行展示。語音識別文字輸出應(yīng)當(dāng)為完整句子形式、詞等，另外應(yīng)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(diǎn)三十”會識別規(guī)整為“5:3”。0自動斷句，并且在文本中加入標(biāo)點(diǎn)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(fù)詞等；標(biāo)點(diǎn)符號，如“，”等2.1.3高識別率在音頻中為標(biāo)準(zhǔn)普通話的情況下，語音識別率需要達(dá)到90%以上。若音頻中為較為不標(biāo)準(zhǔn)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(yīng)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(xiàng)目需求，至少需要能夠識別普通話以及上海話，并且達(dá)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業(yè)務(wù)。3.其他需求3.1測試需求□兼容性測試□