基于融合智能技术的广播电视监听监看系统的设计

2021-10-15吴纲

数字通信世界 2021年9期

吴纲

（辽宁省广播电视及信息网络视听节目监测台，辽宁沈阳 110000）

0 引言

针对广播电视节目进行高质量地监管，有助于增强广播电视行业的核心竞争力，保障社会主义精神文明的宣传效果。同时，实施有效的监听监看工作也有助于促使广播电视节目更为有序、合理的发展，建立起更为广泛的群众基础，对更好地满足广大群众的文化需求以及推广优良的意识形态也有十分重要的意义[1]。

1 系统功能设计

广播电视监听监看系统通过采集广播电视节目，通过音视频归一化处理，将音视频信息发送至智能处理引擎，由智能处理引擎针对广播电视内容进行语音识别、语义分析、智能拆条以及舆情分析。系统功能架构图如图1所示。

图1 系统业务逻辑架构图

（1）数据采集与存储层。广播电视监听系统的数据来源包含两类，分别为电视和广播，利用采集系统从广播电视信号中采集EPG信息、电视音视频以及广播音频。

（2）业务处理层。将采集到的各类数据进行统一处理，规范音视频格式，为方便视频播放，统一采用HLS/M3U8对上音视频进行切片，视频采用H.264编码，音频采用AAC编码，用于语音识别的音频保存为16 k 16 bit的WAV或PCM文件。利用语音识别、声纹识别、人脸识别、语音分析、智能摘要等多种人工智能识别技术的融合，将广播电视栏目进行识别、拆分、分析。

（3）业务展示层。通过大屏页面针对系统的各个功能模块进行展示，包括电视监看、广播监听、综合检索、舆情分析等模块。图2为页面示意图。

图2 系统界面示意图

（4）支撑平台。利用计算、存储、网络、安全设备等硬件设备搭建辽宁广播电视监听监看系统平台。

（5）辅助系统。具有大数据、人工智能、可视化等辅助技术、完备的权限管理、三审操作等，同时可针对系统版本升级进行智能化管理。

2 融合人工智能技术

2.1 语音识别技术

通过语音识别技术将广播电视的新闻栏目、访谈栏目转写为文本。语音识别通过声学模型转换为对应的汉语音标符号，音标信息再通过超大词汇网络的语言模型识别出最终对应的文本内容。连续语音识别的主要功能主要包括：汉语普通话语音转写、中英文简单混合语音转写、略带口音语音转写、变语速语音转写、数字识别、字母识别、专有名词识别、话音/非话音检测、智能断句及智能标点预测、智能词语替换、基于条件随机场的声学模型训练、基于跨维随机场的大规模语言模型训练。如图3所示。

图3 语音识别流程图

2.2 智能拆条及文本摘要技术

针对广播电视新闻栏目进行智能拆条，电视栏目将综合利用语音识别、主持人人脸定位以及OCR识别技术；广播栏目将利用语音识别技术。

通过语音识别技术将整个新闻栏目进行语音识别获取文本信息，通过智能语义分析，将整段文本按照规则拆分成若干条独立的新闻以及对应的开始时间、结束时间、置信度。针对电视栏目还将通过主持人人脸定位功能辅助进行拆分，在常见的新闻播报中，每条新闻前都会有主持人进行简报并伴随着新闻标题字幕，可以利用该规则对主持人以及新闻标题字幕出现的时间进行拆分，辅助智能拆条。通过对拆条后的新闻进行智能文本摘要，形成该新闻的标题或摘要。同时可以通过OCR程序针对新闻标题进行定位并识别，利用识别的结果辅助智能文本摘要。如图4所示。

图4 智能拆条及文本摘要流程图

2.3 基于情感语义的舆情分析技术

近年来，深度学习算法被普遍应用于情感分析等自然语言处理方法，为广播电视舆情分析平台提供底层分析技术，为舆情监管提供重要的依据。情感分析主要分为四个阶段：数据收集、预处理、综合分析、结果。将智能语音识别引擎识别出的文本信息推送至舆情分析引擎，通过词汇库模型以及主题模型对海量的预处理内容进行综合的分析，最终形成主题统计、热词分析、情感分析以及内容分类，进而挖掘出央视媒体及外省市媒体涉及辽宁的舆情报道。如图5所示。