本發(fā)明屬于機(jī)器學(xué)習(xí)，具體涉及一種用于金融大模型的智能轉(zhuǎn)錄方法、系統(tǒng)及程序產(chǎn)品。

背景技術(shù)：

1、金融大模型是一種基于大數(shù)據(jù)、云計(jì)算和人工智能的金融服務(wù)平臺(tái)，它將傳統(tǒng)金融業(yè)務(wù)與新興科技相結(jié)合，通過(guò)深度挖掘海量數(shù)據(jù)，實(shí)現(xiàn)對(duì)客戶(hù)需求的快速響應(yīng)。這種模型主要依賴(lài)于大數(shù)據(jù)技術(shù)，并在基礎(chǔ)模型上進(jìn)行微調(diào)，以適應(yīng)金融產(chǎn)業(yè)的特定需求。金融大模型的開(kāi)發(fā)需要大量的訓(xùn)練語(yǔ)料，而傳統(tǒng)的金融大模型訓(xùn)練語(yǔ)料獲得方式，是通過(guò)人工搜集大量金融類(lèi)文本并進(jìn)行詞句拆解和標(biāo)注完成的，十分耗費(fèi)人力，且效率也不高，亟需改進(jìn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種用于金融大模型的智能轉(zhuǎn)錄方法、系統(tǒng)及程序產(chǎn)品，用以解決現(xiàn)有技術(shù)中存在的上述問(wèn)題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、第一方面，提供一種用于金融大模型的智能轉(zhuǎn)錄方法，包括：

4、采集用于制作金融大模型訓(xùn)練語(yǔ)料的金融類(lèi)語(yǔ)音，并將金融類(lèi)語(yǔ)音轉(zhuǎn)化為對(duì)應(yīng)的金融語(yǔ)音信號(hào)；

5、對(duì)金融語(yǔ)音信號(hào)進(jìn)行設(shè)定分解層數(shù)的小波變換處理，得到各層對(duì)應(yīng)的小波變換系數(shù)；

6、基于設(shè)定的小波閾值對(duì)各小波變換系數(shù)進(jìn)行閾值濾波處理，得到各小波變換系數(shù)對(duì)應(yīng)的改進(jìn)系數(shù)；

7、基于各小波變換系數(shù)對(duì)應(yīng)的改進(jìn)系數(shù)進(jìn)行小波重構(gòu)處理，得到降噪后的金融語(yǔ)音信號(hào)；

8、對(duì)降噪后的金融語(yǔ)音信號(hào)進(jìn)行特征提取，得到對(duì)應(yīng)的語(yǔ)音信號(hào)特征，并將語(yǔ)音信號(hào)特征輸入預(yù)置的語(yǔ)音識(shí)別模型中進(jìn)行語(yǔ)音識(shí)別處理，得到對(duì)應(yīng)的轉(zhuǎn)錄文本；

9、對(duì)轉(zhuǎn)錄文本進(jìn)行關(guān)鍵詞提取，得到若干金融關(guān)鍵詞，并對(duì)轉(zhuǎn)錄文本進(jìn)行句法分析處理，得到各金融關(guān)鍵詞對(duì)應(yīng)的上下文依存關(guān)系；

10、利用各金融關(guān)鍵詞及其上下文依存關(guān)系組成對(duì)應(yīng)的金融訓(xùn)練語(yǔ)料，將對(duì)應(yīng)金融訓(xùn)練語(yǔ)料編入語(yǔ)料庫(kù)中，所述語(yǔ)料庫(kù)用于對(duì)金融大模型進(jìn)行語(yǔ)料訓(xùn)練。

11、在一個(gè)可能的設(shè)計(jì)中，所述對(duì)金融語(yǔ)音信號(hào)進(jìn)行設(shè)定分解層數(shù)的小波變換處理，得到各層對(duì)應(yīng)的小波變換系數(shù)，包括：

12、采用db4小波基函數(shù)對(duì)金融語(yǔ)音信號(hào)進(jìn)行4層小波分解，得到各層對(duì)應(yīng)的小波變換系數(shù)。

13、在一個(gè)可能的設(shè)計(jì)中，所述基于設(shè)定的小波閾值對(duì)各小波變換系數(shù)進(jìn)行閾值濾波處理，得到各小波變換系數(shù)對(duì)應(yīng)的改進(jìn)系數(shù)，包括：

14、將設(shè)定的小波閾值及對(duì)應(yīng)的小波變換系數(shù)代入預(yù)置的小波閾值函數(shù)中進(jìn)行閾值濾波處理，得到小波變換系數(shù)對(duì)應(yīng)的改進(jìn)系數(shù)，所述小波閾值函數(shù)為

15、

16、其中，x表征小波變換系數(shù)，y表征小波變換系數(shù)x對(duì)應(yīng)的改進(jìn)系數(shù)，sgn表征階躍函數(shù)，λ為設(shè)定的小波閾值，δ為設(shè)定的第一系數(shù)，且δ∈（0，1），ω為設(shè)定的第二系數(shù)，且ω＞1；所述小波閾值λ表示為

17、

18、其中，j為小波變換的分解層數(shù)，σ為設(shè)定的噪聲方差，n表征金融語(yǔ)音信號(hào)的信號(hào)長(zhǎng)度。

19、在一個(gè)可能的設(shè)計(jì)中，所述金融語(yǔ)音信號(hào)表示為，其中，t為時(shí)間參數(shù)，為金融語(yǔ)音信號(hào)，為金融語(yǔ)音信號(hào)中不含噪聲的信號(hào)分量，為金融語(yǔ)音信號(hào)中的噪聲信號(hào)分量。

20、在一個(gè)可能的設(shè)計(jì)中，所述對(duì)降噪后的金融語(yǔ)音信號(hào)進(jìn)行特征提取，得到對(duì)應(yīng)的語(yǔ)音信號(hào)特征，包括：

21、采用梅爾頻率倒譜系數(shù)算法對(duì)降噪后的金融語(yǔ)音信號(hào)進(jìn)行梅爾頻率倒譜特征提取，得到金融語(yǔ)音信號(hào)的梅爾頻率倒譜特征。

22、在一個(gè)可能的設(shè)計(jì)中，所述將語(yǔ)音信號(hào)特征輸入預(yù)置的語(yǔ)音識(shí)別模型中進(jìn)行語(yǔ)音識(shí)別處理，得到對(duì)應(yīng)的轉(zhuǎn)錄文本，包括：

23、將金融語(yǔ)音信號(hào)的梅爾頻率倒譜特征輸入預(yù)置的語(yǔ)音識(shí)別模型中進(jìn)行語(yǔ)音識(shí)別處理，得到對(duì)應(yīng)的轉(zhuǎn)錄文本，所述語(yǔ)音識(shí)別模型采用經(jīng)過(guò)訓(xùn)練的whisper語(yǔ)音識(shí)別模型。

24、在一個(gè)可能的設(shè)計(jì)中，所述對(duì)轉(zhuǎn)錄文本進(jìn)行關(guān)鍵詞提取，得到若干金融關(guān)鍵詞，并對(duì)轉(zhuǎn)錄文本進(jìn)行句法分析處理，得到各金融關(guān)鍵詞對(duì)應(yīng)的上下文依存關(guān)系，包括：

25、采用基于word2vec詞聚類(lèi)的關(guān)鍵詞提取方法對(duì)轉(zhuǎn)錄文本進(jìn)行關(guān)鍵詞提取，得到若干金融關(guān)鍵詞，并采用arc-standard方法對(duì)轉(zhuǎn)錄文本進(jìn)行依存關(guān)系分析，得到各金融關(guān)鍵詞對(duì)應(yīng)的上下文依存關(guān)系，所述上下文依存關(guān)系包括上下文依存詞及對(duì)應(yīng)的依存關(guān)系類(lèi)型。

26、第二方面，提供一種用于金融大模型的智能轉(zhuǎn)錄系統(tǒng)，包括語(yǔ)音采集單元、信號(hào)分解單元、閾值濾波單元、信號(hào)重構(gòu)單元、語(yǔ)音識(shí)別單元、文本解析單元和語(yǔ)料構(gòu)建單元，其中：

27、語(yǔ)音采集單元，用于采集用于制作金融大模型訓(xùn)練語(yǔ)料的金融類(lèi)語(yǔ)音，并將金融類(lèi)語(yǔ)音轉(zhuǎn)化為對(duì)應(yīng)的金融語(yǔ)音信號(hào)；

28、信號(hào)分解單元，用于對(duì)金融語(yǔ)音信號(hào)進(jìn)行設(shè)定分解層數(shù)的小波變換處理，得到各層對(duì)應(yīng)的小波變換系數(shù)；

29、閾值濾波單元，用于基于設(shè)定的小波閾值對(duì)各小波變換系數(shù)進(jìn)行閾值濾波處理，得到各小波變換系數(shù)對(duì)應(yīng)的改進(jìn)系數(shù)；

30、信號(hào)重構(gòu)單元，用于基于各小波變換系數(shù)對(duì)應(yīng)的改進(jìn)系數(shù)進(jìn)行小波重構(gòu)處理，得到降噪后的金融語(yǔ)音信號(hào)；

31、語(yǔ)音識(shí)別單元，用于對(duì)降噪后的金融語(yǔ)音信號(hào)進(jìn)行特征提取，得到對(duì)應(yīng)的語(yǔ)音信號(hào)特征，并將語(yǔ)音信號(hào)特征輸入預(yù)置的語(yǔ)音識(shí)別模型中進(jìn)行語(yǔ)音識(shí)別處理，得到對(duì)應(yīng)的轉(zhuǎn)錄文本；

32、文本解析單元，用于對(duì)轉(zhuǎn)錄文本進(jìn)行關(guān)鍵詞提取，得到若干金融關(guān)鍵詞，并對(duì)轉(zhuǎn)錄文本進(jìn)行句法分析處理，得到各金融關(guān)鍵詞對(duì)應(yīng)的上下文依存關(guān)系；

33、語(yǔ)料構(gòu)建單元，用于利用各金融關(guān)鍵詞及其上下文依存關(guān)系組成對(duì)應(yīng)的金融訓(xùn)練語(yǔ)料，將對(duì)應(yīng)金融訓(xùn)練語(yǔ)料編入語(yǔ)料庫(kù)中，所述語(yǔ)料庫(kù)用于對(duì)金融大模型進(jìn)行語(yǔ)料訓(xùn)練。

34、第三方面，提供一種用于金融大模型的智能轉(zhuǎn)錄系統(tǒng)，包括：

35、存儲(chǔ)器，用于存儲(chǔ)指令；

36、處理器，用于讀取所述存儲(chǔ)器中存儲(chǔ)的指令，并根據(jù)指令執(zhí)行上述第一方面中任意一種所述的方法。

37、第四方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，當(dāng)所述指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得所述計(jì)算機(jī)執(zhí)行第一方面中任意一種所述的方法。同時(shí)，還提供一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)所述計(jì)算機(jī)程序產(chǎn)品在計(jì)算機(jī)上運(yùn)行時(shí)，執(zhí)行第一方面中任意一種所述的方法。

38、有益效果：本發(fā)明通過(guò)采集用于制作金融大模型訓(xùn)練語(yǔ)料的金融類(lèi)語(yǔ)音信號(hào)進(jìn)行相應(yīng)的小波分解、改進(jìn)小波閾值濾波和小波重構(gòu)處理，得到降噪信號(hào)，然后對(duì)降噪信號(hào)進(jìn)行相應(yīng)的特征提取和語(yǔ)音識(shí)別，得到對(duì)應(yīng)的轉(zhuǎn)錄文本，再對(duì)轉(zhuǎn)錄文本進(jìn)行金融關(guān)鍵詞提取和句法分析處理，構(gòu)建相應(yīng)的金融訓(xùn)練語(yǔ)料編入用于對(duì)金融大模型進(jìn)行語(yǔ)料訓(xùn)練的語(yǔ)料庫(kù)，可以實(shí)現(xiàn)從語(yǔ)音到金融大模型訓(xùn)練語(yǔ)料的智能化轉(zhuǎn)錄。本發(fā)明通過(guò)相應(yīng)的語(yǔ)音信號(hào)處理識(shí)別以及轉(zhuǎn)錄文本解析，可以快速、可靠地將金融類(lèi)語(yǔ)音自動(dòng)轉(zhuǎn)錄成相應(yīng)的金融大模型訓(xùn)練語(yǔ)料，以替代傳統(tǒng)人工搜集文本并標(biāo)注金融大模型訓(xùn)練語(yǔ)料的方式，顯著提升金融大模型訓(xùn)練語(yǔ)料的處理效率，有助于實(shí)現(xiàn)金融大模型的自動(dòng)化語(yǔ)料訓(xùn)練。

技術(shù)特征：

1.一種用于金融大模型的智能轉(zhuǎn)錄方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種用于金融大模型的智能轉(zhuǎn)錄方法，其特征在于，所述對(duì)金融語(yǔ)音信號(hào)進(jìn)行設(shè)定分解層數(shù)的小波變換處理，得到各層對(duì)應(yīng)的小波變換系數(shù)，包括：

3.根據(jù)權(quán)利要求1所述的一種用于金融大模型的智能轉(zhuǎn)錄方法，其特征在于，所述基于設(shè)定的小波閾值對(duì)各小波變換系數(shù)進(jìn)行閾值濾波處理，得到各小波變換系數(shù)對(duì)應(yīng)的改進(jìn)系數(shù)，包括：

4.根據(jù)權(quán)利要求3所述的一種用于金融大模型的智能轉(zhuǎn)錄方法，其特征在于，所述金融語(yǔ)音信號(hào)表示為，其中，t為時(shí)間參數(shù)，為金融語(yǔ)音信號(hào)，為金融語(yǔ)音信號(hào)中不含噪聲的信號(hào)分量，為金融語(yǔ)音信號(hào)中的噪聲信號(hào)分量。

5.根據(jù)權(quán)利要求1所述的一種用于金融大模型的智能轉(zhuǎn)錄方法，其特征在于，所述對(duì)降噪后的金融語(yǔ)音信號(hào)進(jìn)行特征提取，得到對(duì)應(yīng)的語(yǔ)音信號(hào)特征，包括：

6.根據(jù)權(quán)利要求5所述的一種用于金融大模型的智能轉(zhuǎn)錄方法，其特征在于，所述將語(yǔ)音信號(hào)特征輸入預(yù)置的語(yǔ)音識(shí)別模型中進(jìn)行語(yǔ)音識(shí)別處理，得到對(duì)應(yīng)的轉(zhuǎn)錄文本，包括：

7.根據(jù)權(quán)利要求1所述的一種用于金融大模型的智能轉(zhuǎn)錄方法，其特征在于，所述對(duì)轉(zhuǎn)錄文本進(jìn)行關(guān)鍵詞提取，得到若干金融關(guān)鍵詞，并對(duì)轉(zhuǎn)錄文本進(jìn)行句法分析處理，得到各金融關(guān)鍵詞對(duì)應(yīng)的上下文依存關(guān)系，包括：

8.一種用于金融大模型的智能轉(zhuǎn)錄系統(tǒng)，其特征在于，包括語(yǔ)音采集單元、信號(hào)分解單元、閾值濾波單元、信號(hào)重構(gòu)單元、語(yǔ)音識(shí)別單元、文本解析單元和語(yǔ)料構(gòu)建單元，其中：

9.一種用于金融大模型的智能轉(zhuǎn)錄系統(tǒng)，其特征在于，包括：

10.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，當(dāng)所述計(jì)算機(jī)程序產(chǎn)品在計(jì)算機(jī)上運(yùn)行時(shí)，執(zhí)行權(quán)利要求1-7任意一項(xiàng)所述的用于金融大模型的智能轉(zhuǎn)錄方法。

技術(shù)總結(jié)
本發(fā)明屬于機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，具體公開(kāi)了一種用于金融大模型的智能轉(zhuǎn)錄方法、系統(tǒng)及程序產(chǎn)品，通過(guò)采集用于制作金融大模型訓(xùn)練語(yǔ)料的金融類(lèi)語(yǔ)音信號(hào)進(jìn)行相應(yīng)的小波分解、改進(jìn)小波閾值濾波和小波重構(gòu)處理，得到降噪信號(hào)，然后對(duì)降噪信號(hào)進(jìn)行相應(yīng)的特征提取和語(yǔ)音識(shí)別，得到對(duì)應(yīng)的轉(zhuǎn)錄文本，再對(duì)轉(zhuǎn)錄文本進(jìn)行金融關(guān)鍵詞提取和句法分析處理，構(gòu)建相應(yīng)的金融訓(xùn)練語(yǔ)料編入用于對(duì)金融大模型進(jìn)行語(yǔ)料訓(xùn)練的語(yǔ)料庫(kù)，可以實(shí)現(xiàn)從語(yǔ)音到金融大模型訓(xùn)練語(yǔ)料的智能化轉(zhuǎn)錄。本發(fā)明可以快速、可靠地將金融類(lèi)語(yǔ)音自動(dòng)轉(zhuǎn)錄成相應(yīng)的金融大模型訓(xùn)練語(yǔ)料，顯著提升金融大模型訓(xùn)練語(yǔ)料的處理效率，有助于實(shí)現(xiàn)金融大模型的自動(dòng)化語(yǔ)料訓(xùn)練。

技術(shù)研發(fā)人員：劉佳琪,費(fèi)斌杰,李漁,儲(chǔ)藝
受保護(hù)的技術(shù)使用者：合肥熵簡(jiǎn)科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10