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项目需求报告1.简介1.1.项目背景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。项目需求报告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...
