返回信息流目前有10万多条语音识别转换过来的文本，每条都有几百字以上，但是语音识别的质量较差。想基于此做一个类似语音质检的模型，用来分析电话接听者的意愿（如针对电销商品的购买意愿/针对收贷场景的还款意愿等)
因为文本都是语音转过来的通话录音，而且文本中一是没有区分出来问答角色，二是识别出来的文本有类似于同音字错误识别、字词重复的问题。本人NLP方面比较小白，所以想请教下针对这种质量的文本：
1.预处理除了删除停用词，还有哪些方法可以应用？
2.如果预处理后，文本质量仍然较差的话，做分类会不会效果很不好？
3.可不可以先做比如“主题提取”，然后用生成的文本再去做分类？
4.分场景去做分类（如销售某类商品场景/收贷场景），会不会效果好很多？
文本比如：“这边是XX补护都放工作人员和您对接XX付务欠款的，你在这边有笔期欠款那这边还有意院协商处理吗，跟那个今前前商处理的人说过了呀，看概要到七月份啊，七月份再来招啊，今年七月月月月份，今年七月份。我，我看到有车金录上面显示说您贷还其他欠欠款但是。。。。。。晚上，之前吧好把钱存进好吧，嗯，存进去这个是要转进去通过手机银行转进去，我转进去好了，好吧，嗯好的我这边把对公众户发给您好吧好，嗯嗯好的那您先忙好吧。”
请dalao指教！敬礼！
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #38816同步于 2023/2/21
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
【问题】语音转来的文本质量太差，如何做情感分析
ls2015213295
2023/2/21镜像同步9 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
我是做语音的，关于角色区分，如果能拿到音频的话，可以先用VAD把句子切好，然后再拿去识别，这样断句效果应该会好很多。区分说话人也最好是语音这边先做好。如果对话都是只有两个说话人，而且说话人音色差异比较大的话，可以很简单地根据音频特点，比如基频这些做一些区分。也可以标一点数据，用一个简单的模型来区分两个音色，会比单纯用文字判断角色好很多。
先speaker diarization把两个人分出来 再做asr
【 在 ls2015213295 的大作中提到: 】
: 目前有10万多条语音识别转换过来的文本，每条都有几百字以上，但是语音识别的质量较差。想基于此做一个类似语音质检的模型，用来分析电话接听者的意愿（如针对电销商品的购买意愿/针对收贷场景的还款意愿等)
: 因为文本都是语音转过来的通话录音，而且文本中一是没有区分出来问答角色，二是识别出来的文本有类似于同音字错误识别、字词重复的问题。本人NLP方面比较小白，所以想请教下针对这种质量的文本：
: ............
做ASR纠错的，用端到端的方法倒是可以解决不对齐的情况，这也是学术界的主流。应该和楼主的问题高度匹配。不过我的工作和现有的工作大多只能缓解这个问题，很难从根本改善这个问题。
你可以先用当前的文本做一个结果看看吧，也好之后从不断角度洗数据有个对比。