来自带有单词和时间戳的段的最佳字符串-解网

问：

我有一个转录音频片段的列表。这些转录具有带有时间戳和置信度的单词。例如：

 Goedemiddag, 1.13 1.54 0.94892578125
 welkom       1.68 1.98 0.9658203125
 bij          1.98 2.16 0.99853515625
 de           2.16 2.3  0.98291015625
 middag       2.3 2.84  0.858154296875
 show         2.84 3.58 0.81549072265625
 Ik           3.92 4.06 0.99365234375

接下来：

 Welkom       1.52 1.96 0.856689453125
 bij          1.96 2.12 0.99853515625
 de           2.12 2.3  0.9833984375
 middag       2.3 2.84  0.843994140625
 show         2.84 3.56 0.812255859375
 Ik           3.94 4.06 0.99267578125
 ben          4.06 4.24 0.9990234375

等。

有一些重叠（目前每 5 秒转录有 4 秒重叠，但以后会更少）

有没有一种通用算法可以将这些序列合并为一个大的最优序列*？我所说的最优是指考虑单词级别的置信度。在这种情况下，单词的转录方式相同，但转录器可能犯了错误，即单词可能被错误转录，因此不需要完全匹配字符串。

[*]我研究了生物信息学最优序列比对算法，但这没有考虑到我已经拥有的时间戳/位置信息，因此似乎一定存在优化的可能性。

字符串算法优化对齐转录

我不明白你说的“最佳”是什么意思。当然，读者需要对该术语进行精确定义才能为您提供帮助。也就是说，他们需要一些所有优化问题所共有的东西：一个将数据映射到要最小化或最大化的数字的函数。您能否为您的示例提供最佳解决方案，并解释为什么它优于其他解决方案？

答：

2赞 olegarch 11/2/2023 #1

我不知道一个明显的算法来解决这个问题，但我认为，也许以下建议会有用：

您将创建一个结构，包含对（字母、置信度）。vote
您将创建此类结构的二维数组，其中：

X 是一个“时隙”，在您的例子中 - 10ms 时隙位置，如 1.13、1.14 等。
Y 是一个通道。在您的示例中，您有 2 个重叠的通道。

此后，对于每个块，您计算每个字母的数组位置，并将从块生成的一对应用于 vote[time][chan]。当应用结束时，您将按时隙扫描数组，并且为每个时隙选择具有最大投票级别的后者。

上一个：两个大小不同的 DataFrame 之间的字符串匹配，并返回匹配的索引和值

下一个：JavaScript 中两个字符串的最长公共后缀 [已关闭]

来自带有单词和时间戳的段的最佳字符串

Optimal string from segments with words and timestamps

评论