[发明专利]一种对话式数据集的生成方法和装置

摘要

本申请公开了一种对话式数据集的生成方法和装置，该方法包括以下步骤：从多媒体文件对应的字幕数据获取对话数据，所述对话数据包括对话文字和相应的时间戳；将所述对话数据切分为多个对话段，并基于每个对话段及其对应的起始时间戳，对所述多媒体文件对应的音频文件进行切分，得到与所述多个对话段对应的多个音频段；对所述多个音频段进行说话人识别，并根据识别结果，标注与各个音频段对应的对话段中的每句话的说话人，将标注后的对话段作为对话式数据集。本申请实施例从字幕数据中获取对话数据，并对对话数据进行切分和标注，从而生成对话式数据集，能够降低对话式数据集的生成成本，提升对话式数据集的生成速度、生成效率与多样化程度。