CN105719649B - 语音识别方法及装置 - Google Patents

Abstract

本申请提出一种语音识别方法及装置，其中，该方法包括：配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，采用所述语音识别库识别所述语音信息。通过本申请提供的语音识别方法和装置，实现了根据与语音输入场景对应的识别资源进行语音识别，提高了识别精度和处理效率。

Description

语音识别方法及装置

技术领域

本申请涉及语音识别技术领域，尤其涉及一种语音识别方法及装置。

背景技术

随着移动互联网的发展，大屏幕手机成主流，无论键盘还是手写，均有各种限制。语音输入法将成为主流输入法，更受欢迎。由于语音输入更自然，学习成本更低，慢慢被更多用户所接受。无论是孩子还是老人，都能够快速的学会使用，并习惯使用这种输入方式。

现有的语音识别技术使用了大量的生活场景数据用于训练，以识别不同场景下输入的语音，从而针对有些定制场景识别精度过低，针对有些定制场景无法识别，浪费了处理资源，降低了处理效率。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种语音识别方法，该方法实现了根据与语音输入场景对应的识别资源进行语音识别，提高了识别精度和处理效率。

本申请的第二个目的在于提出一种语音识别装置。

为达上述目的，本申请第一方面实施例提出了一种语音识别方法，包括：配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，采用所述语音识别库识别所述语音信息。

本申请实施例的语音识别方法，通过配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，采用所述语音识别库识别所述语音信息。由此，实现了根据与语音输入场景对应的识别资源进行语音识别，提高了识别精度和处理效率。

为达上述目的，本申请第二方面实施例提出了一种语音识别装置，包括：配置模块，用于配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；建立模块，用于建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，采用所述语音识别库识别所述语音信息。

本申请实施例的语音识别装置，通过配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，采用所述语音识别库识别所述语音信息。由此，实现了根据与语音输入场景对应的识别资源进行语音识别，提高了识别精度和处理效率。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本申请一个实施例的语音识别方法的流程图；

图2是本申请另一个实施例的语音识别方法的流程图；

图3是本申请另一个实施例的语音识别方法的流程图；

图4是本申请一个实施例的语音识别装置的结构示意图；

图5是本申请另一个实施例的语音识别装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的语音识别方法及装置。

图1是本申请一个实施例的语音识别方法的流程图。

如图1所示，该语音识别方法包括：

步骤101，配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源。

具体地，本发明实施例提供的语音识别方法应用于具有语音输入功能的终端设备中。一般情况下，终端设备通过人机语音交互接口实现语音输入功能，具体的语音输入接口可以为麦克风等设备。

需要说明的是，终端设备可以通过能够访问人机语音交互接口的应用来为用户提供语音输入服务，该应用可以根据实际需要进行选择，例如：具有语音输入功能的导航应用、搜索引擎等，本实施例对此不作限制。

当用户需要进行语音输入时，向人机语音输入接口输入语音信息，然后对用户输入的语音信息进行识别，以便基于识别结果进行相应的处理。不同的语音输入应用，基于识别结果进行相应处理的过程不同。例如：

针对语音搜索应用，对用户输入的语音信息进行识别后，根据识别结果向用户反馈搜索结果；或者，

针对即时通信应用，对用户输入的语音信息进行识别后，根据识别结果转换成文字信息显示在输入框中。

针对不同场景下输入的语音信息，为了提高语音识别的精度和处理性能，本实施例提供的语音识别模型首先配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源。

需要说明的是，定制语音场景的类型有很多，不同的定制语音场景对应不同的专有识别资源，具体内容可以根据不同应用场景的需要进行设置和选择，本实施例对此不做限制，例如可以包括：

针对地图导航的语音场景，对应的专有识别资源为地名识别资源；或者，

针对电商平台的语音场景，对应的专有识别资源为电商商品名称识别资源；或者，

针对电影搜索的语音场景，对应的专有识别资源为电影名称识别资源。

步骤102，建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，采用所述语音识别库识别所述语音信息。

具体地，根据预先配置的与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源，建立包括所述专有识别资源和所述通用识别资源的语音识别库。

进而，当接收到用户输入的语音信息时，确定语音信息的输入场景，并确定语音信息的输入场景的类型，即输入场景是定制语音场景还是通用语音场景，从而从语音识别库获取与输入场景类型对应的识别资源对输入的语音信息进行识别。

本申请实施例的语音识别方法，通过配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，采用所述语音识别库识别所述语音信息。由此，实现了为不同的垂类场景进行识别环境的定制，根据与语音输入场景对应的识别资源进行语音识别，提高了识别精度和处理效率。

图2是本申请另一个实施例的语音识别方法的流程图。

如图2所示，在步骤102之后，还可以包括以下步骤：

步骤201，接收输入的语音信息。

步骤202，根据预设的场景获取策略确定与所述语音信息的输入场景。

具体地，接收用户输入的语音信息，根据预设的场景获取策略确定与当前接收的语音信息对应的输入场景。

需要说明的是，可以根据实际应用需要预先设置不同的场景获取策略，本实施例对此不作限制，例如可以包括：

示例一：根据应用程序确定所述语音信息的输入场景；

具体来说，根据用户当前进行语音输入的应用程序确定所述语音信息的输入场景。例如：用户向地图导航应用输入语音信息，则确定所述语音信息的输入场景为地图导航。

或者，

示例二：根据上下文确定所述语音信息的输入场景；

具体来说，根据用户与其他用户对话记录的上下文确定所述语音信息的输入场景。例如：在即时通信应用中，用户与其他用户之前的对话内容为旅游方便的内容，则所述语音信息的输入场景为旅游场景。

或者，

示例三：根据地理位置信息确定所述语音信息的输入场景。

具体来说，通过终端设备的GPS信息获取用户当前的地理位置信息，进而根据用户当前的地理位置信息确定所述语音信息的输入场景。例如：当通过终端设备的GPS信息获取用户当前的地理位置信息为影院时，则所述语音信息的输入场景为电影场景。

步骤203，根据所述输入场景和所述语音识别库对输入的语音信息进行识别。

具体地，根据当前语音信息的输入场景，以及预先建立的语音识别库对输入的语音信息进行识别，具体包括：

若当前语音的输入场景为预先的定制语音场景，则从语音识别库中获取与所述定制语音场景对应的专有识别资源，并应用专有识别资源对所述语音信息进行识别；

若当前语音的输入场景不为预先的定制语音场景，从语音识别库中获取通用识别资源，并应用专有识别资源对所述语音信息进行识别。

基于图1所示实施例，本申请实施例的语音识别方法，进一步地通过接收输入的语音信息，根据预设的场景获取策略确定与所述语音信息的输入场景，根据所述输入场景和所述语音识别库对输入的语音信息进行识别。由此，实现了根据与语音输入场景对应的识别资源进行语音识别，提高了识别精度和处理效率。

图3是本申请另一个实施例的语音识别方法的流程图，参见图3，具体说明如下：

步骤1：当接收语音信息后，判断是否能够根据预设的场景获取策略确定与所述语音信息的输入场景。

步骤2：若不能够确定语音信息的输入场景，则应用所述通用识别资源对所述语音信息进行识别。

步骤3：若能够确定语音信息的输入场景，则判断是否为预先定制的语音场景。

步骤4：若所述输入场景为预先定制语音场景，则应用所述语音识别库中与所述定制语音场景对应的专有识别资源，对所述语音信息进行识别；

步骤5：若所述输入场景不为定制语音场景，则应用所述语音识别库中的所述通用识别资源，对所述语音信息进行识别。

基于图1所示实施例，本申请实施例的语音识别方法，进一步地通过接收输入的语音信息，根据预设的场景获取策略确定与所述语音信息的输入场景，根据所述输入场景和所述语音识别库对输入的语音信息进行识别。由此，实现了根据与语音输入场景对应的识别资源进行语音识别，提高了识别精度和处理效率。

为了实现上述实施例，本申请还提出一种语音识别装置。

图4是本申请一个实施例的语音识别装置的结构示意图。

如图4所示，该语音识别装置包括：

配置模块11，用于配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；

具体地，所述专有识别资源包括以下至少之一：

地名识别资源、搜索热词识别资源、电商商品名称识别资源、电影名称识别资源。

建立模块12，用于建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，采用所述语音识别库识别所述语音信息。

需要说明的是，前述对语音识别方法实施例的解释说明也适用于该实施例的语音识别装置，此处不再赘述。

本申请实施例的语音识别装置，通过配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，采用所述语音识别库识别所述语音信息。由此，实现了为不同的垂类场景进行识别环境的定制，根据与语音输入场景对应的识别资源进行语音识别，提高了识别精度和处理效率。

图5是本申请另一个实施例的语音识别装置的结构示意图，如图5所示，基于图4所示实施例，所述装置还包括：

接收模块13，用于接收输入的语音信息；

获取模块14，用于根据预设的场景获取策略确定与所述语音信息的输入场景；

识别模块15，用于根据所述输入场景和所述语音识别库对输入的语音信息进行识别。

在一个实施例中，所述获取模块14用于：根据用户当前进行语音输入的应用程序确定所述语音信息的输入场景；

或者，

在一个实施例中，所述获取模块14用于：根据用户与其他用户对话记录的上下文确定所述语音信息的输入场景；

或者，

在一个实施例中，所述获取模块14用于：根据用户当前的地理位置信息确定所述语音信息的输入场景。

在一个实施例中，，所述识别模块15用于：

若所述输入场景为所述定制语音场景，则应用所述语音识别库中与所述定制语音场景对应的专有识别资源，对所述语音信息进行识别；

若所述输入场景不为所述定制语音场景，则应用所述语音识别库中的所述通用识别资源，对所述语音信息进行识别；

在另一个实施例中，所述识别模块15还用于：

若不能够确定所述输入场景，则应用所述通用识别资源对所述语音信息进行识别。

需要说明的是，前述对语音识别方法实施例的解释说明也适用于该实施例的语音识别装置，此处不再赘述。

基于图4所示实施例，本申请实施例的语音识别装置，进一步地通过接收输入的语音信息，根据预设的场景获取策略确定与所述语音信息的输入场景，根据所述输入场景和所述语音识别库对输入的语音信息进行识别。由此，实现了根据与语音输入场景对应的识别资源进行语音识别，提高了识别精度和处理效率。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此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定制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，并且本申请的优选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，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (12)

1.一种语音识别方法，其特征在于，包括以下步骤：

配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；其中，不同的定制语音场景对应不同的专有识别资源；

建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，并确定所述输入场景的类型，从所述语音识别库获取与所述输入场景的类型对应的识别资源对所述语音信息进行识别。

2.如权利要求1所述的方法，其特征在于，所述专有识别资源包括以下至少之一：

地名识别资源、搜索热词识别资源、电商商品名称识别资源、电影名称识别资源。

3.如权利要求1或2所述的方法，其特征在于，还包括：

接收输入的语音信息；

根据预设的场景获取策略确定与所述语音信息的输入场景；

根据所述输入场景和所述语音识别库对输入的语音信息进行识别。

4.如权利要求3所述的方法，其特征在于，所述根据预设的场景获取策略确定与所述语音信息的输入场景，包括：

根据用户当前进行语音输入的应用程序确定所述语音信息的输入场景；

或者，

根据用户与其他用户对话记录的上下文确定所述语音信息的输入场景；

或者，

根据用户当前的地理位置信息确定所述语音信息的输入场景。

5.如权利要求3所述的方法，其特征在于，所述根据所述输入场景和所述语音识别库对输入的语音信息进行识别，包括：

若所述输入场景为所述定制语音场景，则应用所述语音识别库中与所述定制语音场景对应的专有识别资源，对所述语音信息进行识别；

若所述输入场景不为所述定制语音场景，则应用所述语音识别库中的所述通用识别资源，对所述语音信息进行识别。

6.如权利要求3所述的方法，其特征在于，还包括：

若不能够确定所述输入场景，则应用所述通用识别资源对所述语音信息进行识别。

7.一种语音识别装置，其特征在于，包括：

配置模块，用于配置与定制语音场景对应的专有识别资源，以及与通用语音场景对应的通用识别资源；其中，不同的定制语音场景对应不同的专有识别资源；

建立模块，用于建立包括所述专有识别资源和所述通用识别资源的语音识别库，以根据语音信息的输入场景，并确定所述输入场景的类型，从所述语音识别库获取与所述输入场景的类型对应的识别资源对所述语音信息进行识别。

8.如权利要求7所述的装置，其特征在于，所述专有识别资源包括以下至少之一：

地名识别资源、搜索热词识别资源、电商商品名称识别资源、电影名称识别资源。

9.如权利要求7或8所述的装置，其特征在于，还包括：

接收模块，用于接收输入的语音信息；

获取模块，用于根据预设的场景获取策略确定与所述语音信息的输入场景；

识别模块，用于根据所述输入场景和所述语音识别库对输入的语音信息进行识别。

10.如权利要求9所述的装置，其特征在于，所述获取模块用于：

根据用户当前进行语音输入的应用程序确定所述语音信息的输入场景；

或者，

根据用户与其他用户对话记录的上下文确定所述语音信息的输入场景；

或者，

根据用户当前的地理位置信息确定所述语音信息的输入场景。

11.如权利要求9所述的装置，其特征在于，所述识别模块用于：

若所述输入场景为所述定制语音场景，则应用所述语音识别库中与所述定制语音场景对应的专有识别资源，对所述语音信息进行识别；

若所述输入场景不为所述定制语音场景，则应用所述语音识别库中的所述通用识别资源，对所述语音信息进行识别。

12.如权利要求9所述的装置，其特征在于，所述识别模块还用于：

若不能够确定所述输入场景，则应用所述通用识别资源对所述语音信息进行识别。