一种基于无监督数据生成精标数据的方法及系统

本发明公开了一种基于无监督数据生成精标数据的方法及系统，涉及文本处理以及语音识别技术领域，包括：获取短句，对短句进行质量筛选，得到高音频质量的短句；对高音频质量的短句进行说话人分类筛选，得到筛选后的单人说话短句，对单人说话短句施加随机噪声得到噪声短句；对单人说话短句和噪声短句使用语音识别工具进行识别，得到短句的对应文本以及噪声短句的对应文本；分别将单人说话短句和短句的对应文本，以及噪声短句和噪声短句的对应文本使用force‑alignment技术进行强制对齐，并获取对齐的置信度，得到筛选依据1和筛选依据2；接收音频，基于筛选依据1和筛选依据2对音频进行筛选，得到置信度高的音频。