基于AI技术的媒资内容管理平台

1、WORD格式编辑整理基于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j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专业知识分享1.简介错误！未定义书签2.产品需求2.1、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6.3.1服务器环境配置3.2测试需求3.3运维保障需求错误！未定义书签。6错误！未定义书签。1. 简介1.1. 项目背景随着计算机自动化技术的发展，

2、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勺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展，日本 NH

3、K等发达国家已实际应用。SM（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，并页面中展示。语

4、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，贝U语音识别率可以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测试需求匚兼容性测试匚压力测试匚流程测试匚安全