基于AI技術(shù)的媒資內(nèi)容管理平臺

1、基于Al技術(shù)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j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. 簡介錯. 誤！未定義書簽.4.2. 產(chǎn)品需求2.1、產(chǎn)品需求概述 42.1.1、視頻預(yù)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 6.3.1 服務(wù)器環(huán)境配置3.2 測試需求 3.3 運維保障需求錯誤！未定義書簽。 6錯誤！未定義書簽。項目需求報告1. 簡介1.1. 項目背景

2、隨著計算機自動化技術(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 NHK等發(fā)達國家已實際應(yīng)用。SMG勺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(shù)為基礎(chǔ)，結(jié)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。2. 產(chǎn)品需求2.1、產(chǎn)品需求概述隨著計算機自動化技術(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

3、技術(shù)也在迅速發(fā)展，日本 NHK等發(fā)達國家已實際應(yīng)用。SM（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(shù)為基礎(chǔ)，結(jié)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(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

4、 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(yīng)當為完整句子形式、 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2.1.3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，貝U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業(yè)務(wù)。3.其他需求3.1測試需求匚兼容性測試匚壓力測試匚流程測試匚安全性