一种音频文本对齐方法、装置、设备及存储介质

本申请公开了一种音频文本对齐方法、装置、设备及存储介质，涉及语音处理技术领域，包括：获取初始音频数据和相应的转录文本，获取初始音频数据对应的节奏变化率指数，并对转录文本进行语义分析，以获取各初始语义单元的重要程度；根据重要程度确定出目标语义单元，并将各目标语义单元与初始音频数据进行初步匹配，以确定各目标语义单元对应的锚点位置；基于节奏变化率指数为初始音频数据分配时间戳，以获取相应的目标音频数据，基于各锚点位置将目标音频数据划分为不同音频片段，并基于时间戳将音频片段与转录文本进行对齐。通过结合音频的节奏特性与文本的语义对音频与文本进行对齐，保证了音频和文本的对齐精度。