CN105261366B - 语音识别方法、语音引擎及终端 - Google Patents

Abstract

本发明公开了一种语音识别方法、语音引擎及终端，所述语音识别方法包括：接收语音指令；判断当前网络是否正常，若正常，则将所述语音指令发送给云端语音引擎进行识别；接收云端语音引擎返回的识别结果，并根据所述识别结果，对本地语音引擎的本地语法库进行更新。实施本发明的有益效果是，当网络正常时，利用云端语音引擎进行语音指令的识别，并将语音指令增加到本地语法库；当网络异常时，则利用增加了语音指令的本地语法库进行语音指令识别，提高本地语音引擎的识别正确率和效率。

Description

语音识别方法、语音引擎及终端

技术领域

本发明涉及语音识别领域，更具体地说，涉及一种语音识别方法、语音引擎及终端。

背景技术

随着语音识别技术的极大提升，人们越来越多的开始使用语音识别技术，比如手机上语音助手、智能机器人、智能家居等。

为了提高语音识别的正确率，现有技术中在云端设置相应的语音引擎。云端的语音引擎可以通过分析大数据以及利用各种资源从而准确的识别出用户的指令和意思。例如，苹果的siri就是完全使用云端的语音引擎，其识别准确度非常高。

在利用云端进行语音识别时，本地设备需要通过网络与云端设备进行连接，以实现交互。当出现没有网络或者网速慢的情况，由于本地设备无法连接到云端设备，从而不能正常使用云端的语音识别功能。这给用户造成了很大的困惑。

另一方面，也可通过本地设备的本地语音引擎实现语音识别。其可以克服没有网络或网速慢等情况给用户造成的不便，但由于本地语音引擎受限于存储空间、CPU以及内存等资源的限制，只能识别非常简单的语音指令，无法识别较为复杂的指令，存在很大的局限性，并不能满足用户的需求。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种语音识别方法、语音引擎及终端。

本发明解决其技术问题所采用的技术方案是：构造一种语音识别方法，包括：

接收语音指令；

判断当前网络是否正常，若正常，则将所述语音指令发送给云端语音引擎进行识别；

接收云端语音引擎返回的识别结果，并根据所述识别结果，对本地语音引擎的本地语法库进行更新。

其中，所述对本地语音引擎的本地语法库进行更新包括：

根据识别结果，进行指令分类；

基于指令分类结果判断是否为预设类型的指令，若是，则对所述语音指令进行语法解析，并抽取语法关键信息；

判断所述抽取的语法关键信息是否满足预设条件，若满足，则将所述语音指令按照预设格式转换后增加到所述本地语法库。

其中，所述预设条件包括：语法的使用频率超过预设值；

所述判断所述抽取的语法关键信息是否满足预设条件包括：

根据所述抽取的语法关键信息，判断其是否属于使用频率超过预设值的语法。

其中，所述方法还包括：

在接收到语音指令后，根据所述本地语法库进行语音识别以获得识别结果。

其中，所述方法还包括：根据所述识别结果执行相应的操作。

其中，所述方法还包括：

预设一时间段；

在所述预设时间段内，根据云端语音引擎返回的识别结果，对所述本地语音引擎的本地语法库进行更新。

其中，所述方法还包括：

当所述预设时间段到时，从所述本地语法库中删除所更新的语音指令。

另一方面，提供一种语音引擎，包括：

语音接收模块，用于接收用户输入的语音指令；

判断模块，用于判断当前网络是否正常，若正常，则将所述语音指令发送给云端语音引擎进行识别；

接收模块，用于接收云端语音引擎返回的识别结果；

更新模块，用于根据所述识别结果，对语法库进行更新。

其中，所述更新模块包括：

分类单元，用于根据识别结果，进行指令分类；

解析单元，用于基于指令分类结果判断是否为预设类型的指令，若是，则对所述语音指令进行语法解析，并抽取语法关键信息；

判断单元，用于判断所述抽取的语法关键信息是否满足预设条件，若满足，则将所述语音指令按照预设格式转换后增加到所述语法库。

第三方面，提供一种终端，包括上述的语音引擎。

实施本发明的语音识别方法、语音引擎及终端，具有以下有益效果：当网络正常时，利用云端语音引擎进行语音指令的识别，并将语音指令增加到本地语法库；当网络异常时，则利用增加了语音指令的本地语法库进行语音指令识别，提高本地语音引擎的识别正确率和效率。通过对本地语法库的学习更新，增大了本地语音引擎可以识别的语音指令范围，提升了用户体验。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的语音识别方法的流程图；

图2是本发明实施例的云端语音引擎的识别流程图；

图3是本发明实施例的语音识别方法的步骤S3的详细流程图；

图4是本发明实施例的本地语音引擎进行识别的流程示意图；

图5是本发明另一实施例的语音识别方法的流程图；

图6是本发明实施例的语音引擎的结构示意图；

图7是通过本发明实施例的语音引擎进行语音识别的示意图；

图8是本发明实施例的智能学习模块的识别过程示意图；

图9是本发明实施例的终端及云端语音引擎的通信示意图。

具体实施方式

为解决现有技术中的语音识别方法受限于网络状况及本地语音引擎的局限性的问题，本发明实施例提供一种语音识别方法、语音引擎和终端，通过将云端语音引擎的识别结果增加到本地语法库，对本地语法库进行学习更新，增大本地语音引擎可以识别的语音指令范围，取得了提高了本地语音引擎的识别正确率和效率，使得语音识别不再受限于网络状况和本地语音引擎的局限性，提升了用户体验的技术效果。

本发明实施例解决上述技术问题的整体思路为：接收语音指令；判断当前网络是否正常，若正常，则将语音指令发送给云端语音引擎进行识别；接收云端语音引擎返回的识别结果，并根据识别结果，对本地语音引擎的本地语法库进行更新；若网络异常，则利用本地语音引擎进行语音识别。

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

参见图1为本发明实施例的语音识别方法的流程图。本发明实施例的语音识别方法包括以下步骤：

S1、接收语音指令。

具体的，可通过语音采集装置(例如，麦克风)进行语音指令的采集。语音指令为用户发出的，例如，打电话给小明、连接wifi、打开相机等等。

S2、判断当前网络是否正常，若正常，则将所述语音指令发送给云端语音引擎进行识别。

具体的，可通过为wifi、3G、4G、GPRS等网络连接到云端语音引擎。通过检测连接网络的信号质量等可判断网络是否正常。若网络发生断开或网速过慢等情况，则判断结果为网络为不正常。

云端语音引擎其实为一服务器，其具有很强的计算能力和语法库。在本发明的实施例中，若网络正常，则通过云端语音引擎进行语音指令识别，由此，提高识别的准确率。参见图2为本发明实施例的云端语音引擎的识别流程图，当接收到语音指令时，依次经语法分析、大数据分析、特征提取、模式匹配、算法解析、结果甄别等步骤后输出识别结果。应理解，云端语音引擎的识别过程为现有技术，本发明实施例不对此进行详细描述。

S3、接收云端语音引擎返回的识别结果，并根据识别结果，对本地语音引擎的本地语法库进行更新。

具体的，根据云端语音引擎返回的识别结果，可识别出用户的语音指令，由此执行相应的操作。例如，语音指令“打电话给小明”，根据返回的识别结果，即可进行拨号给“小明”的操作。

在本发明的实施例中，除了根据识别结果执行相应的操作外，还执行更新本地语法库的操作，即将本次识别的语音指令增加到本地语法库，由此，当下一次接收到相同的语音指令时，通过本地语法库即可实现准确识别。应理解，将语音指令增加到本地语法库时，需要按照本地语法库的预设格式进行，例如，仅存储语音指令的主语和谓语(例如，我要打电话给)、或仅存储谓语(例如，打电话)等方式进行存储。

参见图3，上述步骤S3具体包括：

S31、根据识别结果，进行指令分类。

在本发明的实施例中，指令类型包括：打电话、查询、搜索、拍照、清理手机等等。由此，可将每一语音指令对应的识别结果唯一的划分到一指令类型。通过指令分类，可更好的实现识别，且对是否需要更新到本地语法库也提供参考。例如，语音指令“请打开照相机”、“启动拍照”的识别结果都为打开相机进行拍照，其都属于“拍照”这一指令类型。

S32、基于指令分类结果判断是否为预设类型的指令，若是，则对语音指令进行语法解析，并抽取语法关键信息。

在本发明的实施例中，预设类型的指令可为用户经常使用的指令或由用户自行设置的指令，例如，预设类型的指令可包括：打电话、拍照、查询等。为了提高效率，进行指令分类后，判断其是否为预设类型的指令，若不是，则流程结束不再进行后续的处理，即不将指令增加到本地语法库的操作，由此，可使得增加到本地语法库的指令为对用户有用的指令，不仅可以节省存储效率还可提高用户体验。例如，用户很少使用计算器，预设类型的指令不包含打开计算器，当语音指令为“打开计算器”时，其不属于预设类型的指令，因此，不再进行后续的语法解析、抽取语法关键信息等操作。

语法解析和抽取关键信息是对语音指令的过滤，例如，语音指令“我想打开蓝牙功能”、“我要打开蓝牙功能”、“打开蓝牙”，“打开蓝牙功能”、“请打开蓝牙”等等的识别结果都是打开蓝牙的操作。因此，通过语法解析，可抽取到相同的语法关键信息“打开蓝牙”。通过抽取语法关键信息，可使得后续的判断和增加到本地语法库的操作更加准确。

应理解，语法解析可通过句子主干提取法实现，例如，通过“主谓宾定状补”的分析实现语法解析，若语音指令为“我要打开蓝牙功能”，则主语为“我”，谓语为“打开”，宾语为“蓝牙”。此外，也可通过其它的方式实现语法解析，不发明对此不作限制。

抽取关键信息是以语法解析的结果为基础的，若语法解析为通过句子主干提取法实现，则可将其中的谓语和宾语作为关键信息抽取出来，以上述例子为例，抽取的关键信息为“打开蓝牙”。此外，也可将主谓宾或宾语等作为关键信息进行抽取，本发明对此不作限制。若采用对比法

S33、判断所述抽取的语法关键信息是否满足预设条件，若满足，则将所述语音指令按照预设格式转换后增加到所述本地语法库。

抽取到语法关键信息后，根据语法关键信息判断其是否满足预设条件。预设条件可为，例如，语法的使用频率超过预设值。由此，根据语法关键信息判断语音指令是否属于使用频率超过预设值的语法。若超过，则该语音指令的使用频率高，则执行增加到本地语法库的操作，否则，不增加到本地语法库。由此，可节省本地语法库的存储空间，且可将真正对用户有用的语法进行增加，可提升用户体验。

在本发明的实施例中，预设条件可采用使用频率和功能组合的方式预先设置并存储，例如，对于“打电话”(即前述的功能)的操作，根据统计的使用频率，以下语法的使用频率超过预设值(例如，10次)：“打电话给”、“呼叫”、“拨号”、“拨电话给”、“呼叫一下”、“打个电话给”，则关于“打电话”这一功能的预设条件可如表1所示进行设置和存储。

表1

抽取到语法关键信息后，通过查询表1，则可判断相应的语音指令是否属于上述语法中的一者。若属于则进行增加到本地语法库的操作。在将语音指令增加到本地语法库时，需要按照预设的格式对语音指令进行转换。该预设的格式是本地语音引擎可识别的格式，例如，存储时不存储宾语、感叹词等。且为避免重复存储，在存储时将重复的语法进行删除。

以下将结合一个具体的“打电话”的例子，对本发明实施例的语音识别方法进行说明。

参见如下所示为本发明实施例的本地语音引擎的本地语法库的语法形式：

<CallCmd>；

！tag(CALLCMD_TAG,

“打电话给” ！id(1001)|

“打个电话给” ！id(1002)|

“拨个电话给” ！id(1003)|

“拨电话给” ！id(1004)|

“呼叫” ！id(1005)|

“呼叫一下” ！id(1006)|

)；

根据本地语法库，当用户需要进行打电话的操作时，其说出的语音指令为“打电话给小明”、“打个电话给小明”、“呼叫小明”等，本地语音引擎均可成功识别，并返回识别结果，进行打电话给小明的操作。若语音指令为“我想打电话给小明”，则由于本地语法库没有定义相应的语法而不能实现。按照本发明实施例的语音识别方法，将语音指令“我想打电话给小明”发送给云端语音引擎。云端语音引擎通过识别获得识别结果-打电话的操作，并将识别结果(打电话的操作)返回，由此，可执行打电话的操作，且经上述步骤S31-S33后，该语音指令将被增加到本地语法库中(以不包含宾语的格式存储)，增加后的本地语法库如下所示：

<CallCmd>；

！tag(CALLCMD_TAG,

“打电话给” ！id(1001)|

“打个电话给” ！id(1002)|

“拨个电话给” ！id(1003)|

“拨电话给” ！id(1004)|

“呼叫” ！id(1005)|

“呼叫一下” ！id(1006)|

“我想打电话给” ！id(1007)|

)；

由此，本地语法库增加了一条语法，当下次进行识别时，即使没有网络不能通过云端语音引擎进行识别，也可准确快速的识别到“我想打电话给小明”的语音指令。

通过本发明实施例的语音识别方法，用户在有网络的时候使用云端进行语音识别；当无网络的时候使用本地语音引擎。由于本地语音引擎根据云端的识别结果，不断“增长知识”，本地语音引擎可以识别出大量复杂指令，达到自我学习，有记忆的目的；一方面增大了语音识别的范围，另一方面提高了用户体验。

在本发明的实施例中，当每次接收到语音指令时，可根据网络状态决定由云端语音引擎识别(网络正常)，还是由本地语音引擎识别(网络不正常)；也可首先通过本地语音引擎识别，在其无法识别时再通过云端语音引擎进行识别。由于根据本发明实施例的语音识别方法，本地语音引擎能够“不断增加知识”，相比于现有技术的本地语音引擎，可识别更加复杂和更多的指令，因此，采用后一种方式，可在保证准确识别的基础上为用户节省流量和成本，可进一步提升用户体验。

参见图4为本发明实施例的本地语音引擎进行识别的流程示意图，其接收到语音指令后，依次进行语法分析、动态语法解析、模式匹配和结果甄别后输出识别结果。应理解，本地语音引擎的本地语法库为采用本发明实施例的方法进行语法增加更新后的本地语法库，而语法分析、动态语法解析、模式匹配和结果甄别等过程为现有技术，本发明实施例不对此进行详述。

参见图5为本发明另一实施例的语音识别方法的流程图。该实施例的语音识别方法包括：

S100、预设一时间段。

预设的时间段可以天、月或小时等为单位，例如，可设为2个月。

S101、在预设时间段内，根据云端语音引擎返回的识别结果，对本地语音引擎的本地语法库进行更新。

具体的，在预设时间段内，接收到语音指令，则按照上述实施例的方法，判断网络是否正常，若正常则将语音指令发送给云端语音引擎进行识别。当云端返回识别结果时，将语音指令增加到本地语法库中。由此，当用户下一次再次说出该语音指令时，本地语音引擎即能对此进行准确的识别。

S102、当预设时间段到时，从本地语法库中删除所更新的语音指令。

根据该实施例，通过将预设时间段增加的语音指令删除，可释放存储空间。另外，在实际中，用户在不同的时间段需求会产生变化，例如，在城市A工作，其常用的语音指令为“打电话”，而在城市B旅游期间则常用“拍照”、“查询”。因此，若将旅游的时间设置为预设时间段，则可使得旅游期间，本地语法库中增加“拍照”的相关语法指令，而回到工作的地方，则删除这些指令并不常用的指令，以释放存储空间，节省内存。

应理解，该实施例的其它实现方式及细节(例如，对本地语法库的更新过程等)和上述实施例相同，在此不再赘述。

参见图6为本发明实施例的语音引擎的结构示意图，其包括：

语音接收模块40，用于接收用户输入的语音指令；

判断模块41，用于判断当前网络是否正常，若正常，则将语音指令发送给云端语音引擎进行识别；

接收模块42，用于接收云端语音引擎返回的识别结果；

更新模块43，用于根据识别结果，对语法库进行更新。

其中，更新模块43包括：

分类单元431，用于根据识别结果，进行指令分类；

解析单元432，用于基于指令分类结果判断是否为预设类型的指令，若是，则对语音指令进行语法解析，并抽取语法关键信息；

判断单元433，用于判断抽取的语法关键信息是否满足预设条件，若满足，则将语音指令按照预设格式转换后增加到语法库。

此外，本发明实施例的语音引擎还包括一用于执行上述图4所述的语法分析、动态语法解析、模式匹配、结果甄别的语音识别模块44，以及用于存储语法的语法库45。

应理解，本发明实施例的语音引擎与上述语音识别方法相对应，此处不再详细描述。

参见图7，本发明实施例的上述语音接收模块40、判断模块41、接收模块42、更新模块43组成智能学习模块(未标号)。具体的，参见图8，智能学习模块在步骤70接收云端语音引擎返回的识别结果；在步骤72进行指令分类；在步骤74进行语法解析，完成解析后在步骤76抽取语法关键信息，根据语法关键信息确定是否更新后，在步骤80更新本地语法库。以对云端语音引擎的识别结果进行学习，然后更新到本地语音引擎的语法库。应理解，智能学习模块包含在本地语音引擎中(图7未示出这一关系)。

由此，通过本发明实施例的语音引擎，当用户在有网络的时候或网络良好时，使用云端语音引擎进行语音识别，并将识别结果更新到本地语音引擎的语法库；当无网络的时候或网络不好的时候，使用本地语音引擎进行语音识别。由于本地语音引擎根据云端的识别结果，不断“增长知识”，本地语音引擎可以识别出大量复杂指令，达到自我学习，有记忆的目的，增大了语音识别的范围，提高了用户体验。

另一方面，本发明实施例还提供一种终端，其包括上述的语音引擎。应理解，终端可以是包括通信单元、音频/视频(A/V)输入单元、用户输入单元、感测单元、输出单元、存储器、接口单元、控制器和电源单元等等的手机、平板电脑、个人数字助理、电子书等硬件设备。

参见图9，本发明实施例的终端1与云端语音引擎2通信连接。终端1通过麦克风等语音采集装置采集用户的语音指令。在有网络的时候或网络良好时，使用云端语音引擎2进行语音识别，并将识别结果更新到终端1的本地语音引擎的语法库；当无网络的时候或网络不好的时候，使用终端1的本地语音引擎进行语音识别。由于人们说过的话或语音指令在一天或一段时间内，有很大一部分是重复性的，因此，通过将有网络的情况下下云端语音引擎的识别结果更新到本地语法库中，本地语音引擎根据云端的识别结果可不断“增长知识”，使得本地语音引擎可以识别出大量复杂指令，达到自我学习，有记忆的目的，增大了语音识别的范围，提高了用户体验。

本发明实施例的语音识别方法、语音识别引擎和终端，能够很大程度上提高本地语音引擎的识别的方法，方便用户在没有网络的情况下也能准确的识别历史语音指令，达到自我学习的目的，可以极大的提高用户体验。

流程图中或在本发明的实施例中以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所述技术领域的技术人员所理解。

本发明还可以通过计算机程序产品进行实施，所述程序包含能够实现本发明方法的全部特征，当其安装到计算机***中时，通过运行，可以实现本发明的方法。本文件中的计算机程序所指的是：可以采用任何程序语言、代码或符号编写的一组指令的任何表达式，该指令组使***具有信息处理能力，以直接实现特定功能，或在进行下述一个或两个步骤之后实现特定功能：a)转换成其它语言、编码或符号；b)以不同的格式再现。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (9)

1.一种语音识别方法，其特征在于，包括：

接收语音指令；

判断当前网络是否正常，若正常，则将所述语音指令发送给云端语音引擎进行识别；

接收云端语音引擎返回的识别结果，预设一时间段，在所述预设时间段内，根据所述识别结果，对本地语音引擎的本地语法库进行更新。

2.根据权利要求1所述的语音识别方法，其特征在于，所述对本地语音引擎的本地语法库进行更新包括：

根据识别结果，进行指令分类；

基于指令分类结果判断是否为预设类型的指令，若是，则对所述语音指令进行语法解析，并抽取语法关键信息；

判断所述抽取的语法关键信息是否满足预设条件，若满足，则将所述语音指令按照预设格式转换后增加到所述本地语法库。

3.根据权利要求2所述的语音识别方法，其特征在于，所述预设条件包括：语法的使用频率超过预设值；

所述判断所述抽取的语法关键信息是否满足预设条件包括：

根据所述抽取的语法关键信息，判断其是否属于使用频率超过预设值的语法。

4.根据权利要求1所述的语音识别方法，其特征在于，所述方法还包括：

在接收到语音指令后，根据所述本地语法库进行语音识别以获得识别结果。

5.根据权利要求1所述的语音识别方法，其特征在于，所述方法还包括：

根据所述识别结果执行相应的操作。

6.根据权利要求1所述的语音识别方法，其特征在于，所述方法还包括：

当所述预设时间段到时，从所述本地语法库中删除所更新的语音指令。

7.一种语音引擎，其特征在于，包括：

语音接收模块，用于接收用户输入的语音指令；

判断模块，用于判断当前网络是否正常，若正常，则将所述语音指令发送给云端语音引擎进行识别；

接收模块，用于接收云端语音引擎返回的识别结果；

更新模块，用于预设一时间段，在预设时间段内，根据所述识别结果，对语法库进行更新。

8.根据权利要求7所述的语音引擎，其特征在于，所述更新模块包括：

分类单元，用于根据识别结果，进行指令分类；

解析单元，用于基于指令分类结果判断是否为预设类型的指令，若是，则对所述语音指令进行语法解析，并抽取语法关键信息；

判断单元，用于判断所述抽取的语法关键信息是否满足预设条件，若满足，则将所述语音指令按照预设格式转换后增加到所述语法库。

9.一种终端，其特征在于，包括：权利要求7或8所述的语音引擎。