CN111261149B - 语音信息识别方法和装置 - Google Patents
语音信息识别方法和装置 Download PDFInfo
- Publication number
- CN111261149B CN111261149B CN201811455788.XA CN201811455788A CN111261149B CN 111261149 B CN111261149 B CN 111261149B CN 201811455788 A CN201811455788 A CN 201811455788A CN 111261149 B CN111261149 B CN 111261149B
- Authority
- CN
- China
- Prior art keywords
- voice
- information
- historical
- text information
- recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012790 confirmation Methods 0.000 claims description 8
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 41
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L2015/086—Recognition of spelled words
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供一种语音信息识别方法和装置,应用于车载终端。其中,该语音信息识别方法包括获取用户的语音信息,将所述语音信息转换为语音文本信息,以及根据所述语音信息识别所述用户的声线特征;查找所述本地语音信息库中是否存在与所述声线特征对应的历史语音包;若存在与所述声线特征对应的历史语音包,则针对所述历史语音包中的各历史语音记录对应的历史文本信息,判断是否存在与所述语音文本信息匹配的历史文本信息,若存在,则将与所述语音文本信息匹配的历史文本信息作为所述语音信息的识别结果。本发明能够大幅提高语音信息的识别效率和识别准确率。
Description
技术领域
本发明涉及汽车电子技术领域,具体而言,涉及一种语音信息识别方法和装置。
背景技术
目前汽车市场上,可通过声控技术控制车辆执行对应的动作,如播放音乐、查看路况、打开各类指示灯、关闭车门、控制车速等,但是由于用户的发音习惯、方言问题等导致现有的汽车语音识别控制***无法准确、高效的识别用户的语音指令,甚至会出现误识别、操作等问题,严重影响用户体验,甚至危及行车安全。
发明内容
有鉴于此,本发明实施例的目的在于提供一种语音信息识别方法和装置,以改善上述问题。
一方面,本发明较佳实施例提供了一种语音信息识别方法,应用于车载终端,所述车载终端中预设有本地语音信息库,所述语音信息识别方法包括:
获取用户的语音信息,将所述语音信息转换为语音文本信息,以及根据所述语音信息识别所述用户的声线特征;
查找所述本地语音信息库中是否存在与所述声线特征对应的历史语音包;
若存在与所述声线特征对应的历史语音包,则针对所述历史语音包中的各历史语音记录对应的历史文本信息,判断是否存在与所述语音文本信息匹配的历史文本信息,若存在,则将与所述语音文本信息匹配的历史文本信息作为所述语音信息的识别结果。
进一步地,所述车载终端能够与网络服务器通信;所述方法还包括:
当所述本地语音信息库中不存在与所述声线特征信息对应的历史语音记录时,根据所述语音信息生成语音识别请求并发送给所述网络服务器;
接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。
进一步地,判断是否存在与所述语音文本信息匹配的历史文本信息的步骤,包括:
针对所述历史语音包中各历史语音记录对应的历史文本信息,分别统计各所述历史文本信息与所述语音文本信息的重复率;
分别判断各所述重复率是否大于预设值,若大于,则判定所述历史语音包中各历史语音记录对应的文本信息中存在与所述语音文本信息匹配的历史文本信息。
进一步地,所述车载终端能够与网络服务器通信;判断是否存在与所述语音文本信息匹配的历史文本信息的步骤,还包括:
若各所述重复率均不大于所述预设值,则判定所述历史语音包中各历史语音记录对应的历史文本信息中不存在与所述语音文本信息匹配的历史文本信息,则根据所述语音信息生成语音识别请求并发送给所述网络服务器;
接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。
进一步地,判断是否存在与所述语音文本信息匹配的历史文本信息的步骤,还包括:
若各所述重复率不大于预设值,则从各所述重复率中选取最大的重复率作为目标重复率,并根据所述语音信息生成语音识别请求并发送给所述网络服务器;
接收所述网络服务器反馈的网络识别结果,对所述目标重复率对应的历史文本信息和所述网络识别结果进行仲裁,根据仲裁结果确定所述语音信息的识别结果。
进一步地,根据仲裁结果确定所述语音信息的识别结果的步骤,包括:
响应用户基于所述仲裁结果触发的结果确认指令,并根据该结果确认指令确定所述语音信息的识别结果。
进一步地,将所述语音信息转换为语音文本信息的步骤包括:
提取所述语音信息的有效音段,将所述有效音段转换为语音文本信息;或者
将所述语音信息转换为文本信息,并提取该文本信息中的关键字以作为所述语音文本信息。
进一步地,所述语音信息识别方法还包括:
基于所述语音信息的最终识别结果、所述语音信息以及所述声线特征信息建立三者之间的对应关系并将其保存在所述本地语音信息库中。
另一方面,本发明较佳实施例还提供一种语音信息识别装置,应用于车载终端,所述车载终端中预设有本地语音信息库,所述语音信息识别装置包括:
信息获取模块,用于获取用户的语音信息,将所述语音信息转换为语音文本信息,并根据所述语音信息识别所述用户的声线特征;
第一本地查找模块,用于查找所述本地语音信息库中是否存在与所述声线特征对应历史语音包;
第二本地查找模块,用于在存在与所述声线特征对应的历史语音包时,针对所述历史语音包中的各历史语音记录对应的历史文本信息,判断是否存在与所述语音文本信息匹配的历史文本信息,若存在,则将与所述语音文本信息匹配的历史文本信息作为所述语音信息的识别结果。
进一步地,所述车载终端能够与网络服务器通信;所述装置还包括:
网络查找模块,用于当所述本地语音信息库中不存在与所述声线特征信息对应的历史语音记录时,根据所述语音信息生成语音识别请求并发送给所述网络服务器;
网络结果接收模块,用于接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。
与现有技术相比,本发明实施例提供一种语音信息识别方法和装置,其中,基于本地语音信息库以及用户个性化的声线特征进行语音信息的识别,能够有效提高语音识别的高效性和可靠性,改善用户体验。
另外,本发明中还可将网络识别结果与本地识别结果进行比对以根据比对结果确定语音识别结果,有效提高了语音识别***的可靠性和识别结果的准确性,同时还能够基于网络识别结果实现本地语音信息库的自我学习和数据扩充。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的车载终端的方框结构示意图。
图2为本发明实施例提供的语音信息识别方法的流程示意图。
图3为图2中所示的步骤S13的子流程示意图。
图4为本发明实施例提供的语音信息识别装置的方框结构示意图。
图5为图4中所示的第二本地查找模块的单元结构示意图。
图标:10-车载终端;100-语音信息识别装置;110-信息获取模块;120-第一本地查找模块;130-第二本地查找模块;1300-统计单元;1301-判断单元;1302-请求生成单元;1303-结果确定单元;140-网络查找模块;150-网络结果接收模块;200-存储器;300-存储控制器;400-处理器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示,为应用本发明实施例提供的语音信息识别方法和装置的车载终端10的方框结构示意图,该车载终端10包括语音信息识别装置100、存储器200、存储控制器300以及处理器400。其中,所述存储器200、存储控制器300、处理器400各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件之间通过一条或多条通讯总线或信号线实现电性连接。所述语音信息识别装置100包括至少一个可以软件或固件的形式存储于所述存储器200中或固化在所述车载终端10中的操作***中的软件功能模块。所述处理器400在所述存储控制器300的控制下访问所述存储器200,以用于执行所述存储器200中存储的可执行模块,例如所述语音信息识别装置100所包括的软件功能模块及计算机程序等。
可以理解,图1所示的结构仅为示意,所述车载终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。另外,所述车载终端10可以是但不限于智能手机、个人电脑(personal computer,PC)、平板电脑、个人数字助理(personaldigital assistant,PDA)、移动上网设备(mobile Internet device,MID)、云服务器、小型机等。
另外,根据实际需求,所述车载终端10还可与麦克风、扬声器等连接,以实现语音信息的采集、播放等,另外,所述车载终端10还能够与网络服务器进行通信,以用于语音信息的辅助识别、查询等,本实施例在此不再赘述。
进一步地,如图2所示,为本发明实施例提供的语音信息识别方法的流程示意图,该语音信息识别方法应用于上述的车载终端10,下面将结合图2对所述语音信息识别方法的具体步骤和流程进行详细阐述。应理解的是,本实施例中给出的语音信息识别方法不以下面所述的步骤和流程的顺序为限制。
步骤S11,获取用户的语音信息,将所述语音信息转换为语音文本信息,以及根据所述语音信息识别所述用户的声线特征;
步骤S12,查找所述本地语音信息库中是否存在与所述声线特征对应的历史语音包,若存在,则执行步骤S13-步骤S14,反之,则执行步骤S15-步骤S16;
步骤S13,针对所述历史语音包中的各历史语音记录对应的历史文本信息,判断是否存在与所述语音文本信息匹配的历史文本信息,若存在,则执行步骤S14。
步骤S14,将与所述语音文本信息匹配的历史文本信息作为所述语音信息的识别结果。
上述步骤S11-步骤S14中给出的语音信息识别方法中,是基于每个人独有的声线特征以及预设在车载终端10中的语音信息库进行语音信息的快速查找、比对,进而实现语音信息的识别。与现有技术相比,本发明基于声线特征作为匹配基准可大幅提高语音信息识别的准确率。
详细地,在步骤S11中,获取用户的语音信息的方法可以有多种,例如,可以是由与所述车载终端10连接的麦克风直接采集并发送得到的,也可以是由其他终端设备(如手机、电脑等)发送给所述车载终端10进行语音识别,本实施例在此不做限制。此外,在将所述语音信息转换为语音文本信息时,可以是将整段语音信息全部进行转换得到所述语音文本信息;也可以是提取所述语音信息的有效音段,将该有效音段转换为语音文本信息;还可以是将所述语音信息转换为文本信息,并提取该文本信息中的关键字(如车速、电量、里程、胎压等)以作为语音文本信息。实际实施时,可根据车载终端10的处理能力以及用户对识别精度和识别效率的实际需求进行语音文本信息的转换方法的灵活选取,本实施例在此不做限制。
进一步地,根据实际需求,在进行声线特征的识别时,可以将待识别的语音信息与已保存的历史语音信息进行比对从而判断两者是否为同一用户发出的声音;也可以是从响度(如振幅等)、音调(如频率等)、音色等多个维度进行声线特征的识别,本实施例在此不做限制。
进一步地,步骤S12中在查找与所述声线特征对应的历史语音包的过程中,如果所述本地语音信息库中预先按照声线特征的不同将历史语音信息进行分类保存以得到多个历史语音包,那么可直接根据声线特征查找对应的历史语音包,从而提高语音信息的识别效率。但如果所述本地语音信息库中未预先对多个历史语音信息进行分类,那么可以将声线特征与已有的历史语音信息的声线特征进行逐一比对,从而选取与所述声线特征匹配的历史语音信息并形成历史语音包,具体地,本实施例在此不做限制。
进一步地,步骤S13是基于已有的历史语音包,并进一步基于文本信息的比对查找出与所述语音文本信息对应的历史语音记录,提高语音识别结果的准确性。可选地,如图3所示,在本实施例中,步骤S13中所述的判断是否存在与所述语音文本信息匹配的历史文本信息的判断过程可通过步骤S130-步骤S133实现,具体如下。
步骤S130,针对所述历史语音包中各历史语音记录对应的历史文本信息,分别统计各所述历史文本信息与所述语音文本信息的重复率;
步骤S131,分别判断各所述重复率是否大于预设值,若大于,则执行步骤S132,反之,则执行步骤S133-步骤S134。
步骤S132,判定所述历史语音包中各历史语音记录对应的历史文本信息中存在与所述语音文本信息匹配的历史文本信息;
步骤S133,判定所述历史语音包中各历史语音记录对应的历史文本信息中不存在与所述语音文本信息匹配的历史文本信息,则根据所述语音信息生成语音识别请求并发送给所述网络服务器;
步骤S134,接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。
在步骤S130-步骤S131中,在针对所述历史语音包中各历史语音记录对应的历史语音文本进行重复率的统计时,可以逐字进行比对,也可以是逐词进行比对,以统计各所述历史文本信息与所述语音文本信息中重复字或重复词的重复率,进而根据重复率的大小判断是否存在与所述语音文本信息匹配的历史文本信息。
具体地,步骤S131中的预设值可根据实际情况进行灵活设定,如所述预设值可以是60%、80%等,本实施例在此不做限制。另外,在实际判断过程中,若大于预设值的重复率为多个,则从多个重复率中的最大值作为目标值,进而将目标值对应的历史语音记录作为所述语音信息的识别结果。
反之,如步骤S134-步骤S135中所述,当各所述重复率均不大于所述预设值时,可判定本地语音信息库中不存在与所述语音信息对应的历史语音记录,对此,为了满足用户需求并尽可能的识别用户指令,改善用户体验,在本实施例中,可根据所述语音信息生成语音识别请求并发送给所述网络服务器,以使网络服务器基于网络资源进行语音信息的识别,并将识别得到的网络识别结果返回给所述车载终端10,并将所述网络识别结果直接作为所述语音信息的识别结果。
除此之外,在各所述重复率不大于预设值时,所述车载终端10还可从各所述重复率中选取最大的重复率作为目标重复率,并根据所述语音信息生成语音识别请求并发送给所述网络服务器;然后接收所述网络服务器反馈的网络识别结果,对所述目标重复率对应的历史文本信息和所述网络识别结果进行仲裁,根据仲裁结果确定所述语音信息的识别结果。
具体地,前述根据仲裁结果确定所述语音信息的识别结果的过程可以包括:响应用户基于所述仲裁结果触发的结果确认指令,并根据该结果确认指令确定所述语音信息的识别结果。例如,所述车载终端10可以以语音播报、屏幕显示等方式将所述仲裁结果展示给用户,用户可通过语音、触屏等人工参与方式触发结果确认指令,以实现对所述仲裁结果的确认,从而进一步提高所述语音信息识别方法的可靠性。
另外根据实际需求,为了进一步确保语音识别的准确率,所述语音信息识别方法还可包括步骤S15和步骤S16,具体如下:
步骤S15,当所述本地语音信息库中不存在与所述声线特征信息对应的历史语音记录时,所述车载终端10根据所述语音信息生成语音识别请求并发送给所述网络服务器。
步骤S16,接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。
上述步骤S15和步骤S16中给出的语音信息识别方法是基于网络资源进行语音信息的识别,能够有效解决在本地语音信息库中不存在与所述语音信息对应的历史语音记录的情况下无法进行语音信息识别的问题,提高了语音识别过程的可靠性。
进一步地,在实际应用中,为了实现所述本地语音信息库的自我学习,并对本地语音信息库进行扩展,确保后续进行语音信息识别时的高效性,缩短语音识别的响应时间,改善用户体验。在本实施例中,所述语音信息识别方法还可包括:基于所述语音信息的最终识别结果、所述语音信息以及所述声线特征信息建立三者之间的对应关系并将其保存在所述本地语音信息库中。例如,对于上述步骤中获取的网络识别结果,如果本地语音信息库中不存在与所述语音信息对应的历史语音记录,那么可将所述网络识别结果作为与所述语音信息对应的识别结果进行保存;又例如,对于经过仲裁得出所述网络识别结果的准确性优于所述本地语音信息库中已保存的历史语音记录的情形,那么可将所述网络识别结果作为与所述语音信息对应的识别结果进行保存;又例如,对于历史文本信息与语音文本信息的重复率大于预设值但又不完全相同的情况,可对所述最终识别结果、所述语音信息以及声线特征信息进行保存以便于下次语音信息的识别等,本实施例在此不做限制。
基于对上述语音信息识别方法的描述,下面通过举例的方式对上述语音信息识别方法的优势进行说明。
例如,驾驶员A(用户)方言较重,驾驶时对语音仪表(如麦克风)发出语音指令,如“讲下当前车速”,那么现有的语音信息识别方法一般对方言需要识别2次甚至多次才能准确执行驾驶员意图,汇报当前车速。但在本实施例中,通过识别驾驶员A的声线特征,根据声线特征调出驾驶员A的历史语音指令记录,再将本次A发出的语音指令和历史语音指令进行对比,从而快速、准确的一次性识别驾驶员A的意图。
又例如,驾驶员B(用户)说话简短,驾驶员C略显唠叨,两人分时使用同一辆车出行。车辆行驶到限速路段,B会说“车速”,C会说“又到限速路了......现在车速多少”。现有的语音识别方法可能无法一次性准确识别此类个性化的语音风格,但在本发明实施例中,由于本地语音信息库中已建立了驾驶员B和驾驶员C的历史语音包,就可以快速、准确的识别语音指令并播报当前车速。
又例如,当驾驶员D(用户)用车时用词超出了车载终端10自带的本地语音信息库,现有的语音信息识别方法在此情况下需驾驶员更换指令直到驾驶员发出的指令能够在本地语音信息库中检索识别。但在本实施例中,可基于网络服务器上的网络资源对新语音以及新词汇进行识别,并存储此指令信息,扩展自己的语音库,实现了自我学习功能,改善用户的体验。
进一步地,如图4所示,为本发明实施例提供的语音信息识别装置100的方框结构示意图,所述语音信息识别装置100应用于所述车载终端10,且该语音信息识别装置100包括信息获取模块110、第一本地查找模块120、第二本地查找模块130、网络查找模块140网络结果接收模块150。
所述信息获取模块110,用于获取用户的语音信息,将所述语音信息转换为语音文本信息,并根据所述语音信息识别所述用户的声线特征;本实施例中,关于所述信息获取模块110的描述具体可参考上述步骤S11的详细描述,也即,所述步骤S11可以由信息获取模块110执行,因而在此不作更多说明。
所述第一本地查找模块120,用于查找所述本地语音信息库中是否存在与所述声线特征对应历史语音包;本实施例中,关于所述第一本地查找模块120的描述具体可参考上述步骤S12的详细描述,也即,所述步骤S12可以由第一本地查找模块120执行,因而在此不作更多说明。
所述第二本地查找模块130,用于在存在与所述声线特征对应的历史语音包时,针对所述历史语音包中的各历史语音记录对应的历史文本信息,判断是否存在与所述语音文本信息匹配的历史文本信息,若存在,则将与所述语音文本信息匹配的历史文本信息作为所述语音信息的识别结果。本实施例中,关于所述第二本地查找模块130的描述具体可参考上述步骤S13-步骤S14的详细描述,也即,所述步骤S13-步骤S14可以由第二本地查找模块130执行,因而在此不作更多说明。可选地,如图5所示,所述第二本地查找模块130可以包括统计单元1300、判断单元1301、请求生成单元1302和结果确定单元1303:
所述统计单元1300,用于针对所述历史语音包中各历史语音记录对应的历史文本信息,分别统计各所述历史文本信息与所述语音文本信息的重复率;本实施例中,关于所述统计单元1300的描述具体可参考上述步骤S130的详细描述,也即,所述步骤S130可以由统计单元1300执行,因而在此不作更多说明。
所述判断单元1301,用于分别判断各所述重复率是否大于预设值,若大于,则判定所述历史语音包中各历史语音记录对应的文本信息中存在与所述语音文本信息匹配的历史文本信息。本实施例中,关于所述判断单元1301的描述具体可参考上述步骤S131-步骤S132的详细描述,也即,所述步骤S131-步骤S132可以由判断单元1301执行,因而在此不作更多说明。
所述请求生成单元1302,用于在各所述重复率均不大于所述预设值时,判定所述历史语音包中各历史语音记录对应的历史文本信息中不存在与所述语音文本信息匹配的历史文本信息,则根据所述语音信息生成语音识别请求并发送给所述网络服务器;本实施例中,关于所述请求生成单元1302的描述具体可参考上述步骤S133的详细描述,也即,所述步骤S133可以由请求生成单元1302执行,因而在此不作更多说明。
结果确定单元1303,用于接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。本实施例中,关于所述结果确定单元1303的描述具体可参考上述步骤S134的详细描述,也即,所述步骤S134可以由结果确定单元1303执行,因而在此不作更多说明。
所述网络查找模块140,用于当所述本地语音信息库中不存在与所述声线特征信息对应的历史语音记录时,根据所述语音信息生成语音识别请求并发送给所述网络服务器;本实施例中,关于所述网络查找模块140的描述具体可参考上述步骤S15的详细描述,也即,所述步骤S15可以由网络查找模块140执行,因而在此不作更多说明。
所述网络结果接收模块150,用于接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。本实施例中,关于所述网络结果接收模块150的描述具体可参考上述步骤S16的详细描述,也即,所述步骤S16可以由网络结果接收模块150执行,因而在此不作更多说明。
综上所述,本发明实施例提供一种语音信息识别方法和装置,其中,本发明基于本地语音信息库以及用户的声线特征进行语音信息的识别,能够有效提高语音识别的高效性和可靠性,并利用用户个性化的声线特征实现本地语音信息库的自我学习和数据扩充,缩短了***的响应时间,提高了语音识别的准确性和改善了驾驶员的感受。此外,本发明中还可将网络识别结果与本地识别结果进行比对以根据比对结果确定语音识别结果,有效提高了语音识别***的可靠性和识别结果的准确性。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的可选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种语音信息识别方法,应用于车载终端,其特征在于,所述车载终端中预设有本地语音信息库,所述语音信息识别方法包括:
获取用户的语音信息,将所述语音信息转换为语音文本信息,以及根据所述语音信息识别所述用户的声线特征;
查找所述本地语音信息库中是否存在与所述声线特征对应的历史语音包;
若存在与所述声线特征对应的历史语音包,则针对所述历史语音包中的各历史语音记录对应的历史文本信息,判断是否存在与所述语音文本信息匹配的历史文本信息,若存在,则将与所述语音文本信息匹配的历史文本信息作为所述语音信息的识别结果;
判断是否存在与所述语音文本信息匹配的历史文本信息的步骤,包括:
针对所述历史语音包中各历史语音记录对应的历史文本信息,分别统计各所述历史文本信息与所述语音文本信息的重复率;
分别判断各所述重复率是否大于预设值,若大于,则判定所述历史语音包中各历史语音记录对应的历史文本信息中存在与所述语音文本信息匹配的历史文本信息;
所述车载终端能够与网络服务器通信;所述判断是否存在与所述语音文本信息匹配的历史文本信息的步骤,还包括:
若各所述重复率不大于预设值,则从各所述重复率中选取最大的重复率作为目标重复率,并根据所述语音信息生成语音识别请求并发送给所述网络服务器;
接收所述网络服务器反馈的网络识别结果,对所述目标重复率对应的历史文本信息和所述网络识别结果进行仲裁,根据仲裁结果确定所述语音信息的识别结果。
2.根据权利要求1所述的语音信息识别方法,其特征在于,所述车载终端能够与网络服务器通信;所述方法还包括:
当所述本地语音信息库中不存在与所述声线特征信息对应的历史语音记录时,根据所述语音信息生成语音识别请求并发送给所述网络服务器;
接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。
3.根据权利要求1所述的语音信息识别方法,其特征在于,所述车载终端能够与网络服务器通信;判断是否存在与所述语音文本信息匹配的历史文本信息的步骤,还包括:
若各所述重复率均不大于所述预设值,则判定所述历史语音包中各历史语音记录对应的历史文本信息中不存在与所述语音文本信息匹配的历史文本信息,则根据所述语音信息生成语音识别请求并发送给所述网络服务器;
接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。
4.根据权利要求1所述的语音信息识别方法,其特征在于,根据仲裁结果确定所述语音信息的识别结果的步骤,包括:
响应用户基于所述仲裁结果触发的结果确认指令,并根据该结果确认指令确定所述语音信息的识别结果。
5.根据权利要求1所述的语音信息识别方法,其特征在于,将所述语音信息转换为语音文本信息的步骤包括:
提取所述语音信息的有效音段,将所述有效音段转换为语音文本信息;或者,
将所述语音信息转换为文本信息,并提取该文本信息中的关键字以作为所述语音文本信息。
6.根据权利要求1-4中任一项所述的语音信息识别方法,其特征在于,所述语音信息识别方法还包括:
基于所述语音信息的最终识别结果、所述语音信息以及所述声线特征信息建立三者之间的对应关系并将其保存在所述本地语音信息库中。
7.一种语音信息识别装置,应用于车载终端,其特征在于,所述车载终端中预设有本地语音信息库,所述语音信息识别装置包括:
信息获取模块,用于获取用户的语音信息,将所述语音信息转换为语音文本信息,并根据所述语音信息识别所述用户的声线特征;
第一本地查找模块,用于查找所述本地语音信息库中是否存在与所述声线特征对应历史语音包;
第二本地查找模块,用于在存在与所述声线特征对应的历史语音包时,针对所述历史语音包中的各历史语音记录对应的历史文本信息,判断是否存在与所述语音文本信息匹配的历史文本信息,若存在,则将与所述语音文本信息匹配的历史文本信息作为所述语音信息的识别结果;
统计单元,用于针对所述历史语音包中各历史语音记录对应的历史文本信息,分别统计各所述历史文本信息与所述语音文本信息的重复率;
判断单元,用于分别判断各所述重复率是否大于预设值,若大于,则判定所述历史语音包中各历史语音记录对应的历史文本信息中存在与所述语音文本信息匹配的历史文本信息;
所述判断单元,用于若各所述重复率不大于预设值,则从各所述重复率中选取最大的重复率作为目标重复率,并根据所述语音信息生成语音识别请求并发送给所述网络服务器;
结果确定单元1303,用于接收所述网络服务器反馈的网络识别结果,对所述目标重复率对应的历史文本信息和所述网络识别结果进行仲裁,根据仲裁结果确定所述语音信息的识别结果。
8.根据权利要求7所述的语音信息识别装置,其特征在于,所述车载终端能够与网络服务器通信;所述装置还包括:
网络查找模块,用于当所述本地语音信息库中不存在与所述声线特征信息对应的历史语音记录时,根据所述语音信息生成语音识别请求并发送给所述网络服务器;
网络结果接收模块,用于接收所述网络服务器反馈的网络识别结果,并将所述网络识别结果作为所述语音信息的最终识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811455788.XA CN111261149B (zh) | 2018-11-30 | 2018-11-30 | 语音信息识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811455788.XA CN111261149B (zh) | 2018-11-30 | 2018-11-30 | 语音信息识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111261149A CN111261149A (zh) | 2020-06-09 |
CN111261149B true CN111261149B (zh) | 2023-01-20 |
Family
ID=70951948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811455788.XA Active CN111261149B (zh) | 2018-11-30 | 2018-11-30 | 语音信息识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111261149B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935231A (zh) * | 2020-07-13 | 2020-11-13 | 支付宝(杭州)信息技术有限公司 | 信息处理方法和装置 |
CN112269897B (zh) * | 2020-10-20 | 2024-04-05 | 上海明略人工智能(集团)有限公司 | 语音采集设备的确定方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389400A (zh) * | 2015-12-24 | 2016-03-09 | Tcl集团股份有限公司 | 语音交互方法及装置 |
CN107195300A (zh) * | 2017-05-15 | 2017-09-22 | 珠海格力电器股份有限公司 | 语音控制方法和*** |
CN107591150A (zh) * | 2017-08-16 | 2018-01-16 | 珠海市魅族科技有限公司 | 语音识别方法及装置、计算机装置及计算机可读存储介质 |
CN107731229A (zh) * | 2017-09-29 | 2018-02-23 | 百度在线网络技术(北京)有限公司 | 用于识别语音的方法和装置 |
-
2018
- 2018-11-30 CN CN201811455788.XA patent/CN111261149B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389400A (zh) * | 2015-12-24 | 2016-03-09 | Tcl集团股份有限公司 | 语音交互方法及装置 |
CN107195300A (zh) * | 2017-05-15 | 2017-09-22 | 珠海格力电器股份有限公司 | 语音控制方法和*** |
CN107591150A (zh) * | 2017-08-16 | 2018-01-16 | 珠海市魅族科技有限公司 | 语音识别方法及装置、计算机装置及计算机可读存储介质 |
CN107731229A (zh) * | 2017-09-29 | 2018-02-23 | 百度在线网络技术(北京)有限公司 | 用于识别语音的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111261149A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11562736B2 (en) | Speech recognition method, electronic device, and computer storage medium | |
CN105719649B (zh) | 语音识别方法及装置 | |
CN107591155B (zh) | 语音识别方法及装置、终端及计算机可读存储介质 | |
CN107767869B (zh) | 用于提供语音服务的方法和装置 | |
US20190164540A1 (en) | Voice recognition system and voice recognition method for analyzing command having multiple intents | |
CN110415679A (zh) | 语音纠错方法、装置、设备和存储介质 | |
EP2963644A1 (en) | Audio command intent determination system and method | |
CN105931642B (zh) | 语音识别方法、设备及*** | |
US11145305B2 (en) | Methods of and electronic devices for identifying an end-of-utterance moment in a digital audio signal | |
CN105609105A (zh) | 语音识别***和语音识别方法 | |
CN111261149B (zh) | 语音信息识别方法和装置 | |
CN108492819A (zh) | 语言练习方法、装置、智能车载终端及存储介质 | |
US20190228769A1 (en) | Information processing device and information processing method | |
KR20090089674A (ko) | 휴대 단말기의 소리 인식 방법 및 장치 | |
CN111611358A (zh) | 信息交互方法、装置、电子设备及存储介质 | |
CN113436614B (zh) | 语音识别方法、装置、设备、***及存储介质 | |
EP3843090B1 (en) | Method and apparatus for outputting analysis abnormality information in spoken language understanding | |
US11868678B2 (en) | User interface sound emanation activity classification | |
CN111951790A (zh) | 一种语音处理方法、装置、终端及存储介质 | |
CN108446403B (zh) | 语言练习方法、装置、智能车载终端及存储介质 | |
US10387413B2 (en) | Search result evaluation system, navigation system and search result evaluation method | |
CN111354350A (zh) | 语音处理方法及装置、语音处理设备、电子设备 | |
US20210406463A1 (en) | Intent detection from multilingual audio signal | |
CN110010131B (zh) | 一种语音信息处理的方法和装置 | |
CN116168704B (zh) | 语音交互的引导方法、装置、设备、介质及车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |