CN112017635A - 用于检测语音识别结果的方法、装置 - Google Patents
用于检测语音识别结果的方法、装置 Download PDFInfo
- Publication number
- CN112017635A CN112017635A CN202010875530.6A CN202010875530A CN112017635A CN 112017635 A CN112017635 A CN 112017635A CN 202010875530 A CN202010875530 A CN 202010875530A CN 112017635 A CN112017635 A CN 112017635A
- Authority
- CN
- China
- Prior art keywords
- screenshot
- recognition result
- voice recognition
- recognized
- standard
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 238000013441 quality evaluation Methods 0.000 claims abstract description 4
- 230000015654 memory Effects 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 9
- 238000012015 optical character recognition Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G10L15/01—Assessment or evaluation of speech recognition systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or 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
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Telephonic Communication Services (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了用于检测语音识别结果的方法、装置、电子设备及计算机可读存储介质,涉及计算机技术领域、语音识别技术领域、图像处理技术领域、文字识别技术领域和质量评价技术领域。具体实现方案为:响应于接收到语音信息后,指示对语音识别界面进行多次截取,得到界面截图集合,并基于预先确定的识别特征从中确定待识别截图,基于待识别截图的时间戳,从待识别截图中确定标准识别截图,根据该标准识别截图中的文本信息确定语音识别结果,并与预先获取的语音识别标准内容进行比较,得到识别结果相似度检测结果,该方法无需获取语音识别应用的后台代码便可实现语音识别结果的检测,不仅提升了检测效率,还支持对不同应用的识别结果进行检测。
Description
技术领域
本申请涉及计算机技术领域,具体涉及语音识别技术领域、图像处理技术领域、文字识别技术领域和质量评价技术领域,尤其涉及用于检测语音识别结果的方法、装置、电子设备及计算机可读存储介质。
背景技术
目前,各类终端设备、应用为了更好的实现人机交互,支持用户采用语音方式发出指令。因该交互过程是基于用户语音指令进行的,并且后续执行的操作需要根据该语音指令中的信息进行确定,因此语音指令中的信息能否被各类终端设备、应用准确的识别显得尤为重要。
现有技术中,通常将语音识别结果直接呈现给用户,基于用户的反馈信息实现对语音识别结果的检测。
发明内容
本申请提供了一种用于检测语音识别结果的方法、装置、电子设备以及存储介质。
第一方面,本申请的实施例提供了一种用于检测语音识别结果的方法,包括:响应于接收到语音信息,指示对语音识别界面进行多次截取,获取界面截图集合;响应于检测到该界面截图集合中存在具有预先确定的识别特征的界面截图,将具有预先确定的识别特征的界面截图确定为待识别截图;基于待识别截图的时间戳,从待识别截图中确定标准待识别截图,根据该标准待识别截图中的文本信息识别结果确定语音识别结果;检测该语音识别结果与预先获取的语音识别标准内容之间的相似度,得到识别结果相似度检测结果。
第二方面,本申请的实施例提供了一种用于检测语音识别结果的装置,包括:界面截图获取单元,被配置成响应于接收到语音信息,指示对语音识别界面进行多次截取,获取界面截图集合;待识别截图确定单元,被配置成响应于检测到该界面截图集合中存在具有预先确定的识别特征的界面截图,将具有预先确定的识别特征的界面截图确定为待识别截图;语音识别结果确定单元,被配置成基于待识别截图的时间戳,从待识别截图中确定标准待识别截图,根据该标准待识别截图中的文本信息识别结果确定语音识别结果;识别结果检测单元,被配置成检测该语音识别结果与预先获取的语音识别标准内容之间的相似度,得到识别结果相似度检测结果。
第三方面,本申请的实施例提供了一种电子设备,包括:至少一个处理器;以及与该至少一个处理器通信连接的存储器;其中,该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行如第一方面中任一实现方式描述的用于检测语音识别结果的方法。
第四方面,本申请的实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,包括:该计算机指令用于使该计算机执行如第一方面中任一实现方式描述的用于检测语音识别结果的方法。
本申请在响应接收到语音信息后,指示对语音识别界面进行多次截取得到界面截图集合,基于预先确定的识别特征从该界面截图集合中确定待识别截图,基于待识别截图的时间戳,从待识别截图中确定标准识别截图,根据该标准识别截图中的文本信息确定语音识别结果,并与预先获取的语音识别标准内容进行比较,得到识别结果相似度检测结果,无需获取语音识别应用的后台代码便可实现语音识别结果的检测,不仅提升了检测效率,还支持对不同应用的语音识别结果进行检测。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请的实施例可以应用于其中的示例性***架构;
图2是根据本申请的用于检测语音识别结果的方法的一个实施例的流程图;
图3是根据本申请的用于检测语音识别结果的方法的实施例中的界面截图的示意图;
图4是根据本申请的用于检测语音识别结果的方法的一个应用场景中录音态界面截图的示意图;
图5a是根据本申请的用于检测语音识别结果的方法的一个应用场景中识别态界面截图的示意图;
图5b是根据本申请的用于检测语音识别结果的方法的一个应用场景中另一个识别态界面截图的示意图;
图6是根据本申请的用于检测语音识别结果的装置的一个实施例的结构示意图;
图7是适于用来实现本申请实施例的用于检测语音识别结果的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于检测语音识别结果的方法、装置、电子设备及计算机可读存储介质的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以实现接收语音识别的结果、发出界面截图等目的。终端设备101、102、103上可以安装有各种支持语音录入功能的应用,例如导航类应用、购物搜索类应用、自助拨号类应用等。
终端设备101、102、103可以是硬件,也可以是软件。硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来实现检测语音识别结果),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如通过网络104从在本申请中接收语音信息的终端设备101、102、103中获取界面截图集合,后续从该界面截图集合中基于预先确定的识别特征确定待识别截图,基于待识别截图的时间戳确定标准待识别截图,并根据该标准待识别截图中的内容确定语音识别结果,检测语音识别结果与预先获取的语音识别标准内容之间的相似度,得到相似度检测结果。
需要说明的是,本申请的实施例所提供的用于检测语音识别结果的方法一般由服务器105执行,相应地,用于检测语音识别结果的装置一般设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
此外,用于检测语音识别结果的方法也可以由终端设备101、102、103执行,相应地,用于检测语音识别结果的装置也可以设置于终端设备101、102、103中。此时,示例性***架构100也可以不包括服务器105和网络104。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本申请的用于检测语音识别结果的方法的一个实施例流程200。该用于检测语音识别结果的方法,包括以下步骤:
步骤201,响应于接收到语音信息,指示对语音识别界面进行多次截取,获取界面截图集合。
在本实施例中,用于检测语音识别结果的方法的执行主体(例如图1所示的服务器105),在响应于接收到语音信息后,指示执行语音识别操作的执行主体(例如图1所示的终端101、102、103)对语音识别界面进行截取,获得首张界面截图,然后根据预先确定的截取规则,例如间隔时间满足预先确定的阈值条件,画面变化比例满足预先确定的阈值要求,界面截图中是否出现预先确定的标记符号等,指示对语音识别界面进行连续、多次截取,得到多张语音识别过程中语音识别界面的界面截图,然后将得到的界面截图生成界面截图集合并进行保存,以便于后续从该界面截图集合中调取界面截图,该界面截图集合可以直接保存在检测语音识别结果的方法的执行主体(以下简称检测执行主体)的本地,也可以保存在非本地的存储设备(例如图1所示的终端设备101、102、103)中,对此本申请不做限定。
在一些实施例中,大量的界面截图还可以直接收集并集中存放在数据库中。在此场景下,检测执行主体可以从数据库中获取界面截图、界面截图集合。
示例性的,以导航类应用为例,通常在用户开启导航应用语音输入功能时,即导航应用准备开始接收语音信息时,界面最上方会出现提示“正在说”,在实际接收到语音信息后,语音识别界面中会出现“……”标记,此时开始指示对语音识别界面开始截图,得到的首张界面截图,可如图3中所示,然后两次截取之间的时间间隔满足预先确定的阈值条件时,进行下一次截取,获取界面截图集合后,将该界面截图集合发送至检测执行主体中用于后续检测语音识别结果。
应当理解的是,语音识别指的是由具有语音识别功能的应用、插件在接到用户录入语音后,对其中内容进行分析、识别,并将结果最终呈现给用户或按照语音信息中的内容确定后续执行指令的过程,在此过程中,为方便用户确认语音识别结果是否准确,通常会将语音识别的结果呈现给用户,以便于用户核验该语音识别的结果是否与用户所要表达的内容一致。
通常,语音识别结果的呈现方式为通过语音识别应用的界面直接进行呈现,因有的语音识别方式为伴随用户语音录入的过程进行持续识别,有的为在获取完整的用户录入的信息后进行一次性整体识别,所以对于语音识别结果的呈现方式可能存在不同,即,有的会对应录入过程中的信息随时呈现识别结果,有的则会在完成识别后一次性呈现识别结果。
步骤202,响应于检测到该界面截图集合中存在具有预先确定的识别特征的界面截图,将具有预先确定的识别特征的界面截图确定为待识别截图。
在本实施例中,语音识别中包含哪些过程是相对确定的,所以在语音识别的分析过程中,会存在与语音识别各过程相对应的特征,可以利用这些特征起到识别的作用,预先确定需要提取的语音识别的过程,并确定相对应的特征以起到识别作用,然后基于该预先确定的识别特征,将上述步骤201得到的界面截图集合中包含该识别特征的界面截图确定为待识别截图。
其中,预先确定的识别特征,通常基于历史语音识别界面的内容来确定,该识别特征的形式可以为确定的文字像素、图案像素等。
步骤203,基于待识别截图的时间戳,从待识别截图中确定标准待识别截图,根据该标准待识别截图中的文本信息识别结果确定语音识别结果。
在本实施例中,上述步骤202确定的多张待识别截图中,都记载了语音识别过程中的语音识别界面反馈出的信息,按照截取时间戳的分别反馈出语音识别的过程,可以根据这些待识别截图中的内容来确定语音识别过程的最终结果。
应当理解的是,因语音识别过程是随着时间进展的动态事件,因此截图时间最晚的待识别图像,便是能获取到的、呈现给用户的最终结果,而待识别截图的时间戳可以反映出待识别截图获取的时间顺序,因此基于待识别的时间戳,将截图时间最晚待识别截图确定为标准待识别截图,对该标准待识别截图中的文本信息进行识别,作为语音识别的最终结果。
在本实施例的一些可选实现方式中,根据该标准待识别截图中的文本信息识别结果确定语音识别结果,包括:采用光学字符识别技术对标准待识别截图中包含文本信息的区域进行解析;根据解析的结果确定语音识别结果。
具体的,光学字符识别技术,指的是通过检测暗、亮的模式确定其字体形状,然后用字符识别方法将形状翻译成计算机文字的过程,采用光学字符识别技术对该标准待识别截图中的文本信息进行提取,然后结合标准待识别截图的中的实际情况,选择合适的方法从该解析结果中提取对应的语音识别结果,例如根据字符的位置、字符的所占空间的比例等方法来确定解析结果中属于语音识别结果的内容,通过该方法可以快速、准确的从标准待识别截图中确定语音识别生成的具体结果,用于后续对该语音识别结果进行检测。
示例性的,为方便用户阅读反馈的语音识别结果,某些语音识别应用会放大语音识别结果的字体,以实现方便用户阅读和区分界面中的其他内容的效果,鉴于这种情况下,可以采用最大值比较法,该方法根据解析的结果中各区域文字内容所占的像素尺寸不同,来确定其中哪个区域的文字内容对应语音识别结果。
步骤204,检测该语音识别结果与预先获取的语音识别标准内容之间的相似度,得到识别结果相似度检测结果。
在本实施例中,预先获取的语音识别标准内容为上述语音信息的实际内容,该内容可以基于不同情况来以不同的方式进行获取,例如由用户直接录入或者测试人员预先设置等,基于上述步骤203中获取到语音识别结果后,将该结果与该预先获取的语音识别标准内容,基于文字内容进行相似度比较,以得到识别结果相似度检测结果。
本申请实施例提供的用于检测语音识别结果的方法响应于接收到语音信息后,指示对语音识别界面进行多次截取得到界面截图集合,基于预先确定的识别特征从该界面截图集合中确定待识别截图,基于待识别截图的时间戳,从待识别截图中确定标准识别截图,根据该标准识别截图中的文本信息确定语音识别结果,并与预先获取的语音识别标准内容进行比较,得到识别结果相似度检测结果,该方法无需获取语音识别应用的后台代码便可实现语音识别结果的检测,不仅提升了检测效率,还支持对不同的应用的识别结果进行检测。
在本实施例的一些可选实现方式中,根据该标准待识别截图中的文本信息识别结果确定语音识别结果,包括:根据待识别截图中的文本信息的位置确定待识别区域;对该标准待识别截图中对应待识别区域的文本信息进行识别,得到该语音识别结果。
具体的,因在语音识别过程中,语音识别界面里呈现识别结果的区域较为固定,因此可以基于待识别截图中的文本信息对应的像素所处的区域,确定一个可完全包含语音识别结果像素内容的待识别区域,因标准待识别截图同样是基于待识别截图确定而来,所以可以直接对标准待识别截图中对应该待识别区域的位置进行识别,得到语音识别结果,以此种方式提升获取语音识别结果的速度,高效率的从标准待识别截图中得到语音识别结果。
在本实施例的一些可选实现方式中,该检测该语音识别结果与预先获取的语音识别标准内容之间的相似度,得到识别结果相似度检测结果,包括:解析该语音识别标准内容的文字长度是否超过预先确定的阈值条件;响应该语音识别标准内容的文字长度超过该阈值条件,对该语音识别结果中的文字行进行拼接;比较该语音识别标准内容与将拼接后得到的文字内容的相似度,得到识别结果相似度检测结果。
具体的,预先获取语音识别标准内容后,分析该标准内容中的文字长度,若该文字长度超过预先确定的阈值条件时,则确定语音识别的结果会以多文字行的形式进行显示,则将这些与语音识别结果有关的文字行进行拼接,得到准确的语音识别结果,以此来克服因语音识别结果的文字长度过长,在语音识别的执行主体以多文字行形式反馈语音识别结果时,无法准确识别文字信息的问题,以提高获取到的识别结果的准确性。
其中,预先确定的条件可以基于语音识别主体中允许单文字行中可显示字符数进行设置,以实现在语音识别标准内容中的文字长度超过该单文字行中可显示字符数时,认为语音识别结果是以多文字行形式表示的。
本实施例的一些可选实现方式中,采用本实施例中示出的用于检测语音识别结果的方法,获取不同应用的识别结果相似度检测结果;基于不同应用的识别结果相似度检测结果,生成不同应用的语音识别质量信息。
具体的,采用本实施例中示出的用于检测语音识别结果的方法,分别对不同应用的识别结果相似度进行检测,并根据这些结果生成语音识别质量信息,以便于根据该信息对不同应用之间的语音识别质量进行比较、判断。
为加深理解,本申请还结合一个具体应用场景,给出了一种具体的实现方案。以在导航应用场景下为例,用户希望获取以自驾游的方式前往“八达岭长城”的路线,因此通过语音方式向导航应用输入“驾车前往北京市八达岭长城”。
该语音识别过程分为录音态和识别态两个状态,为更好的进行说明,参考图4、5a和5b,其中,图4所示的用户向导航应用录入语音信息的录音态,图5a、图5b所示的对用户录入的语音信息进行识别的状态。
其中,可以看出在进入录音态后,开始对语音识别界面进行多次截取,获取界面截图的集合,设定“正在分析”的文字像素的为识别特征,基于该识别特征从界面截图中确定待识别截图,即将图5a、图5b中示出的界面截图确定为待识别截图。
根据待识别截图的时间戳,确定图5b为最后获取到的界面截图,将图5b中示出的待识别截图确定为标准待识别截图,然后根据与图5a近似的多张待识别截图中的文本信息位置,确定待识别区域,最终确定结果如图5a中501所示。
采用光学字符识别技术,对图5b中,对应于501的位置进行识别,确定语音识别结果,并解析语音识别标准内容文字的长度为12个字符,超过了该导航应用支持的单文字行可显示的最大字符数,即超过了预先确定的阈值条件6个字符,对该语音识别结果中的内容进行拼接,得到最终结果“驾车前往北京市八大令长城”。
将该结果与标准内容“驾车前往北京市八达岭长城”进行比较,发现有两处识别错误,即“达”和“岭”分别被识别为了“大”和“令”,得到识别结果相似度检测结果为83%。
同样的,还可以对其他导航应用基于相似的原理进行测试,得到不同的检测结果。
通过本应用场景可以看出,本申请中的用于检测语音识别结果的方法,无需获取语音识别应用后台的代码,便可以基于语音识别界面对识别结果相似度进行检测,得到对应的结果,不仅提升了检测的效率,还可以对不同的应用进行检测,得到对应的检测结果。
如图6所示,本实施例的用于检测语音识别结果的装置600可以包括:界面截图获取单元601,被配置成响应于接收到语音信息,指示对语音识别界面进行多次截取,获取界面截图集合;待识别截图确定单元602,被配置成响应于检测到该界面截图集合中存在具有预先确定的识别特征的界面截图,将具有预先确定的识别特征的界面截图确定为待识别截图;语音识别结果确定单元603,被配置成基于该待识别截图的时间戳,从该待识别截图中确定标准待识别截图,根据该标准待识别截图中的文本信息识别结果确定语音识别结果;识别结果检测单元604,被配置成检测该语音识别结果与预先获取的语音识别标准内容之间的相似度,得到识别结果相似度检测结果。
在本实施例的一些可选的实现方式中,该语音识别结果确定单元603中,包括:识别区域确定子单元,被配置成根据该待识别截图中的文本信息的位置确定待识别区域;以及该语音识别结果确定单元603,进一步被配置成对该标准待识别截图中对应该待识别区域的文本信息进行识别,得到该语音识别结果。
在本实施例的一些可选的实现方式中,该识别结果检测单元604中,包括:拼接子单元,被配置成解析该语音识别标准内容的文字长度是否超过预先确定的阈值条件;响应该语音识别标准内容的文字长度超过该阈值条件,对该语音识别结果中的文字行进行拼接;以及该识别结果检测单元,进一步被配置成比较该语音识别标准内容与将拼接后得到的文字内容的相似度,得到识别结果相似度检测结果。
在本实施例的一些可选的实现方式中,该语音识别结果确定单元603中,根据该标准待识别截图中的文本信息识别结果确定语音识别结果,包括:采用光学字符识别技术对该标准待识别截图中包含文本信息的区域进行解析;根据解析的结果确定该语音识别结果。
在本实施例的一些可选的实现方式中,上述用于检测语音识别结果的装置中,还包括:识别质量评价单元,被配置成采用本申请中图2对应的实施例示出的用于检测语音识别结果的方法,获取不同应用的识别结果相似度检测结果;基于不同应用的识别结果相似度检测结果,生成不同应用的语音识别质量信息。
本实施例作为对应于上述方法实施例的装置实施例存在,相同内容参考对于上述方法实施例的说明,对此不再赘述。通过本申请实施例提供的用于检测语音识别结果的装置,无需获取语音识别应用的后台代码便可实现语音识别结果的检测,不仅提升了检测效率,还支持对不同的应用的识别结果进行检测。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例的用于检测语音识别结果的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,该存储器存储有可由至少一个处理器执行的指令,以使该至少一个处理器执行本申请所提供的用于检测语音识别结果的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用于检测语音识别结果的方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的用于检测语音识别结果的方法对应的程序指令/模块(例如,图6所示的界面截图获取单元601、待识别截图确定单元602、语音识别结果确定单元603和识别结果检测单元604)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于检测语音识别结果的方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据用于检测语音识别结果的电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至用于检测语音识别结果的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于检测语音识别结果的方法的电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与用于检测语音识别结果的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至上述存储***、上述至少一个输入装置、和上述至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,响应于接收到语音信息后,指示对语音识别界面进行多次截取得到界面截图集合,基于预先确定的识别特征从该界面截图集合中确定待识别截图,基于待识别截图的时间戳,从待识别截图中确定标准识别截图,根据该标准识别截图中的文本信息确定语音识别结果,并与预先获取的语音识别标准内容进行比较,得到识别结果相似度检测结果,无需获取语音识别应用的后台代码便可实现语音识别结果的检测,不仅提升了检测效率,还支持对不同的应用的识别结果进行检测。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种用于检测语音识别结果的方法,包括:
响应于接收到语音信息,指示对语音识别界面进行多次截取,获取界面截图集合;
响应于检测到所述界面截图集合中存在具有预先确定的识别特征的界面截图,将具有预先确定的识别特征的界面截图确定为待识别截图;
基于所述待识别截图的时间戳,从所述待识别截图中确定标准待识别截图,根据所述标准待识别截图中的文本信息识别结果确定语音识别结果;
检测所述语音识别结果与预先获取的语音识别标准内容之间的相似度,得到识别结果相似度检测结果。
2.根据权利要求1所述的方法,其中,所述根据所述标准待识别截图中的文本信息识别结果确定语音识别结果,包括:
根据所述待识别截图中的文本信息的位置确定待识别区域;
对所述标准待识别截图中对应所述待识别区域的文本信息进行识别,得到所述语音识别结果。
3.根据权利要求1所述的方法,其中,所述检测所述语音识别结果与预先获取的语音识别标准内容之间的相似度,得到识别结果相似度检测结果,包括:
解析所述语音识别标准内容的文字长度是否超过预先确定的阈值条件;
响应所述语音识别标准内容的文字长度超过所述阈值条件,对所述语音识别结果中的文字行进行拼接;
比较所述语音识别标准内容与将拼接后得到的文字内容的相似度,得到识别结果相似度检测结果。
4.根据权利要求1所述的方法,其中,所述根据所述标准待识别截图中的文本信息识别结果确定语音识别结果,包括:
采用光学字符识别技术对所述标准待识别截图中包含文本信息的区域进行解析;
根据解析的结果确定所述语音识别结果。
5.根据权利要求1所述的方法,还包括:
采用如所述权利要求1-4任意一项所述的用于检测语音识别结果的方法,获取不同应用的识别结果相似度检测结果;
基于不同应用的识别结果相似度检测结果,生成不同应用的语音识别质量信息。
6.一种用于检测语音识别结果的装置,包括:
界面截图获取单元,被配置成响应于接收到语音信息,指示对语音识别界面进行多次截取,获取界面截图集合;
待识别截图确定单元,被配置成响应于检测到所述界面截图集合中存在具有预先确定的识别特征的界面截图,将具有预先确定的识别特征的界面截图确定为待识别截图;
语音识别结果确定单元,被配置成基于所述待识别截图的时间戳,从所述待识别截图中确定标准待识别截图,根据所述标准待识别截图中的文本信息识别结果确定语音识别结果;
识别结果检测单元,被配置成检测所述语音识别结果与预先获取的语音识别标准内容之间的相似度,得到识别结果相似度检测结果。
7.根据权利要求6所述的装置,其中,所述语音识别结果确定单元中,包括:
识别区域确定子单元,被配置成根据所述待识别截图中的文本信息的位置确定待识别区域;以及
所述语音识别结果确定单元,进一步被配置成对所述标准待识别截图中对应所述待识别区域的文本信息进行识别,得到所述语音识别结果。
8.根据权利要求6所述的装置,其中,所述识别结果检测单元,包括:
拼接子单元,被配置成解析所述语音识别标准内容的文字长度是否超过预先确定的阈值条件;
响应所述语音识别标准内容的文字长度超过所述阈值条件,对所述语音识别结果中的文字行进行拼接;以及
所述识别结果检测单元,进一步被配置成比较所述语音识别标准内容与将拼接后得到的文字内容的相似度,得到识别结果相似度检测结果。
9.根据权利要求6所述的装置,其中,所述语音识别结果确定单元中所述根据所述标准待识别截图中的文本信息识别结果确定语音识别结果,包括:
采用光学字符识别技术对所述标准待识别截图中包含文本信息的区域进行解析;
根据解析的结果确定所述语音识别结果。
10.根据权利要求6所述的装置,还包括:
识别质量评价单元,被配置成采用如所述权利要求1-4任意一项所述的用于检测语音识别结果的方法,获取不同应用的识别结果相似度检测结果;
基于不同应用的识别结果相似度检测结果,生成不同应用的语音识别质量信息。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,包括:所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010875530.6A CN112017635A (zh) | 2020-08-27 | 2020-08-27 | 用于检测语音识别结果的方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010875530.6A CN112017635A (zh) | 2020-08-27 | 2020-08-27 | 用于检测语音识别结果的方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112017635A true CN112017635A (zh) | 2020-12-01 |
Family
ID=73503656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010875530.6A Pending CN112017635A (zh) | 2020-08-27 | 2020-08-27 | 用于检测语音识别结果的方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112017635A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114038468A (zh) * | 2022-01-07 | 2022-02-11 | 深圳市声扬科技有限公司 | 语音数据比对处理方法、装置、电子设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102723080A (zh) * | 2012-06-25 | 2012-10-10 | 惠州市德赛西威汽车电子有限公司 | 一种语音识别测试***及方法 |
CN106548772A (zh) * | 2017-01-16 | 2017-03-29 | 上海智臻智能网络科技股份有限公司 | 语音识别测试***及方法 |
CN107086040A (zh) * | 2017-06-23 | 2017-08-22 | 歌尔股份有限公司 | 语音识别能力测试方法和装置 |
CN107680613A (zh) * | 2017-08-13 | 2018-02-09 | 惠州市德赛西威汽车电子股份有限公司 | 一种声控设备语音识别能力测试方法及设备 |
CN109493852A (zh) * | 2018-12-11 | 2019-03-19 | 北京搜狗科技发展有限公司 | 一种语音识别的评测方法及装置 |
CN110211567A (zh) * | 2019-05-13 | 2019-09-06 | 中国信息通信研究院 | 语音识别终端测评***及方法 |
CN110556127A (zh) * | 2019-09-24 | 2019-12-10 | 北京声智科技有限公司 | 语音识别结果的检测方法、装置、设备及介质 |
CN110827794A (zh) * | 2019-12-06 | 2020-02-21 | 科大讯飞股份有限公司 | 语音识别中间结果的质量评测方法和装置 |
CN111242455A (zh) * | 2020-01-07 | 2020-06-05 | 北京百度网讯科技有限公司 | 电子地图语音功能的评测方法、装置、电子设备及存储介质 |
-
2020
- 2020-08-27 CN CN202010875530.6A patent/CN112017635A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102723080A (zh) * | 2012-06-25 | 2012-10-10 | 惠州市德赛西威汽车电子有限公司 | 一种语音识别测试***及方法 |
CN106548772A (zh) * | 2017-01-16 | 2017-03-29 | 上海智臻智能网络科技股份有限公司 | 语音识别测试***及方法 |
CN107086040A (zh) * | 2017-06-23 | 2017-08-22 | 歌尔股份有限公司 | 语音识别能力测试方法和装置 |
CN107680613A (zh) * | 2017-08-13 | 2018-02-09 | 惠州市德赛西威汽车电子股份有限公司 | 一种声控设备语音识别能力测试方法及设备 |
CN109493852A (zh) * | 2018-12-11 | 2019-03-19 | 北京搜狗科技发展有限公司 | 一种语音识别的评测方法及装置 |
CN110211567A (zh) * | 2019-05-13 | 2019-09-06 | 中国信息通信研究院 | 语音识别终端测评***及方法 |
CN110556127A (zh) * | 2019-09-24 | 2019-12-10 | 北京声智科技有限公司 | 语音识别结果的检测方法、装置、设备及介质 |
CN110827794A (zh) * | 2019-12-06 | 2020-02-21 | 科大讯飞股份有限公司 | 语音识别中间结果的质量评测方法和装置 |
CN111242455A (zh) * | 2020-01-07 | 2020-06-05 | 北京百度网讯科技有限公司 | 电子地图语音功能的评测方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114038468A (zh) * | 2022-01-07 | 2022-02-11 | 深圳市声扬科技有限公司 | 语音数据比对处理方法、装置、电子设备和存储介质 |
CN114038468B (zh) * | 2022-01-07 | 2022-04-15 | 深圳市声扬科技有限公司 | 语音数据比对处理方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021089739A (ja) | 質問応答処理、言語モデルの訓練方法、装置、機器および記憶媒体 | |
CN114787814A (zh) | 指代解析 | |
CN111582477B (zh) | 神经网络模型的训练方法和装置 | |
US20220027575A1 (en) | Method of predicting emotional style of dialogue, electronic device, and storage medium | |
CN112269862B (zh) | 文本角色标注方法、装置、电子设备和存储介质 | |
CN111522944A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN111611990A (zh) | 用于识别图像中表格的方法和装置 | |
CN112507090A (zh) | 用于输出信息的方法、装置、设备和存储介质 | |
CN110532415B (zh) | 图像搜索处理方法、装置、设备及存储介质 | |
CN111967304A (zh) | 基于边缘计算的获取物品信息方法、装置和结算台 | |
CN112017635A (zh) | 用于检测语音识别结果的方法、装置 | |
CN112149828B (zh) | 基于深度学习框架的算子精度检测方法和装置 | |
CN113626441A (zh) | 基于扫描设备的文本管理方法、装置、设备以及存储介质 | |
CN111984876A (zh) | 兴趣点处理方法、装置、设备及计算机可读存储介质 | |
CN111931524A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN104965633B (zh) | 一种服务跳转的方法和装置 | |
CN111638787A (zh) | 用于展示信息的方法和装置 | |
CN111696095A (zh) | 用于检测物体表面缺陷的方法及装置 | |
CN111523292A (zh) | 用于获取图像信息的方法和装置 | |
CN111242455A (zh) | 电子地图语音功能的评测方法、装置、电子设备及存储介质 | |
CN111241398A (zh) | 数据预取方法、装置、电子设备及计算机可读存储介质 | |
US20210382918A1 (en) | Method and apparatus for labeling data | |
CN111510376B (zh) | 图像处理方法、装置及电子设备 | |
CN111352685B (zh) | 一种输入法键盘的展示方法、装置、设备及存储介质 | |
EP3896987A1 (en) | Video playback method and apparatus, electronic device, and storage medium |
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 |