基于~AI技术的媒资内容管理平台.doc

《基于~AI技术的媒资内容管理平台.doc》由会员分享，可在线阅读，更多相关《基于~AI技术的媒资内容管理平台.doc（6页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、|基于 AI 技术的媒资内容管理平台语音识别需求书2017 年 11 月|文档信息产品名称 项目需求确认书产品负责人 徐志亮负责人联系方式 22005899-51472文档修改记录版本 修改时间 修改人 修改章节 修改说明|目 录1. 简介 .42. 产品需求 .42.1、产品需求概述 .42.1.1、视频预处理 .52.1.2、语音识别文字输出 .52.1.3 高识别率 .62.1.4 支持多种音频格式 .62.1.5 多语言识别 .62.1.5 高识别效率 .63. 其他需求 .63.1 服务器环境配置 .63.2 测试需求 .63.3 运维保障需求 .7|1. 简介1.1. 项目背景随着

2、计算机自动化技术的发展，语音识别、字幕识别、场景分割等技术已经日趋成熟，智能语义分析、智能素材关联、人脸识别技术也在迅速发展，日本 NHK 等发达国家已实际应用。SMG 的自动编目可从语音识别和字幕识别入手，以新闻、戏曲类节目为切人点，在节目素材入库媒资时将语音和字幕自动进行文字化，减少编目人员工作量。之后，以自动场景分割技术为基础，结合智能语义分析，逐步对节目和素材实现全自动的标引，提高整个媒资编目的自动化率，降低媒资运营的人工成本。2. 产品需求2.1、产品需求概述随着计算机自动化技术的发展，语音识别、字幕识别、场景分割等技术已经日趋成熟，智能语义分析、智能素材关联、人脸识别技术也在迅速发

3、展，日本 NHK 等发达国家已实际应用。SMG 可从语音识别入手，在节目素材入库媒资时将语音和字幕自动进行文字化。之后，以自动场景分割技术为基础，结合智能语义分析，逐步对节目和素材实现全自动的标引。|该项目的目标是通过语音识别，对视频进行文字内容和关键词的提取，提取后的内容和关键词按照视频名称和视频时间信息进行存储，最终为用户提供文字内容和关键词的检索服务。2.1.1、视频预处理视频预处理主要实现对视频进行提取音频视频提取音频，从视频文件中提取音频文件，音频格式为（mp3 或 wav） 。2.1.2、语音识别文字输出自动识别音、视频（包括主流格式高、低码格式）中的语音，并将其识别为文本内容，并

4、页面中展示。语音识别文本应包含时间戳，即表示在该段时间内音频的识别结果，语音识别的结果按照时间的顺序（入点时间，出点时间）在每个视频素材的详情页进行展示。语音识别文字输出应当为完整句子形式、词等，另外应具有智能的功能，例如，电话号码、车牌、日期、时间以及量词的规整，如“五点三十”会识别规整为“5:30” 。自动断句，并且在文本中加入标点如好，并且能够识别词属性，词属性包括：普通词；语气犹豫词，如“嗯” 、 “啊” 、 “呃”或者无意义的重复词等；标点符号，如“， ”等|2.1.3 高识别率在音频中为标准普通话的情况下，语音识别率需要达到 90%以上。若音频中为较为不标准普通话，则语音识别率可以

5、稍微降低识别率要求。2.1.4 支持多种音频格式语音识别应支持多种视频格式，例如 wav,flac,opus,m4a,mp32.1.5 多语言识别语音识别可能需要识别普通话，上海话，以及英语等，根据目前项目需求，至少需要能够识别普通话以及上海话，并且达到较好的识别效果。2.1.5 高识别效率由于音频量大，所以需要高效率的语音识别软件。音频时长与识别时间的比要大于 6:1。否则无法正常完成语音识别业务。3. 其他需求 3.1 测试需求兼容性测试压力测试流程测试安全性测试兼容性测试需求：PC 端兼容要求：浏览器：IE8+ 、Chrome、火狐屏幕分辨率：1024*768 1920*1080系统：winXP win10