CN112992141B - 语音识别场景下的通信方法和装置 - Google Patents

语音识别场景下的通信方法和装置 Download PDF

Info

Publication number
CN112992141B
CN112992141B CN202110201275.1A CN202110201275A CN112992141B CN 112992141 B CN112992141 B CN 112992141B CN 202110201275 A CN202110201275 A CN 202110201275A CN 112992141 B CN112992141 B CN 112992141B
Authority
CN
China
Prior art keywords
voice
terminal
recognition result
voice recognition
communication connection
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
Application number
CN202110201275.1A
Other languages
English (en)
Other versions
CN112992141A (zh
Inventor
李明阳
毛鑫
陈睿欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110201275.1A priority Critical patent/CN112992141B/zh
Publication of CN112992141A publication Critical patent/CN112992141A/zh
Application granted granted Critical
Publication of CN112992141B publication Critical patent/CN112992141B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/14—Session management
    • H04L67/141—Setup of application sessions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/14—Session management
    • H04L67/143—Termination or inactivation of sessions, e.g. event-controlled end of session
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

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 Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本申请公开了语音识别场景下的通信方法和装置，涉及通信和包括语音识别的人工智能技术领域。具体实施方式包括：响应于与第一终端建立了通信连接，接收第二终端对服务端的语音识别结果的订阅，其中，第二终端的数量为至少一个，所订阅的语音识别结果是第一终端通过通信连接传输的语音的语音识别结果；响应于接收到第一终端上传的语音，确定该语音的语音识别结果，并将该语音识别结果发送给第二终端；响应于获得语音识别结束指令，断开通信连接。本申请中的终端可以订阅服务端通过通信连接接收的语音的语音识别结果，从而实现服务端向对语音识别结果有需求的终端及时主动地推送语音识别结果。

Description

语音识别场景下的通信方法和装置
技术领域
本申请涉及计算机技术领域，具体涉及通信和包括语音识别的人工智能技术领域，尤其涉及语音识别场景下的通信方法和装置。
背景技术
语音识别是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类的语音。
在语音识别的现有技术中，语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。语音识别方法主要是模式匹配法。在训练阶段，用户将词汇表中的每个词依次说一遍，并且将其特征矢量作为模板存入模板库。在识别阶段，将输入语音的特征矢量依次与模板库中的每个模板进行相似度比较，将相似度最高者作为识别结果输出。
发明内容
提供了一种语音识别场景下的通信方法、装置、电子设备以及存储介质。
根据第一方面，提供了一种语音识别场景下的通信方法，用于服务端，包括：响应于与第一终端建立了通信连接，接收第二终端对服务端的语音识别结果的订阅，其中，第二终端的数量为至少一个，所订阅的语音识别结果是第一终端通过通信连接传输的语音的语音识别结果；响应于接收到第一终端上传的语音，确定该语音的语音识别结果，并将该语音识别结果发送给第二终端；响应于获得语音识别结束指令，断开通信连接。
根据第二方面，提供了一种语音识别场景下的通信方法，用于第二终端，方法包括：响应于服务端与第一终端建立了通信连接，向服务端订阅服务端的语音识别结果，其中，第二终端的数量为至少一个，所订阅的语音识别结果针对第一终端通过通信连接上传的语音；接收服务端对第一终端上传的语音所确定的语音识别结果，其中，服务端响应于获得语音识别结束指令，断开通信连接。
根据第三方面，提供了一种语音识别场景下的通信装置，用于服务端，包括：接收单元，被配置成响应于与第一终端建立了通信连接，接收第二终端对服务端的语音识别结果的订阅，其中，第二终端的数量为至少一个，所订阅的语音识别结果是第一终端通过通信连接传输的语音的语音识别结果；确定单元，被配置成响应于接收到第一终端上传的语音，确定该语音的语音识别结果，并将该语音识别结果发送给第二终端；断开单元，被配置成响应于获得语音识别结束指令，断开通信连接。
根据第四方面，提供了一种语音识别场景下的通信装置，用于第二终端，装置包括：订阅单元，被配置成响应于服务端与第一终端建立了通信连接，向服务端订阅服务端的语音识别结果，其中，第二终端的数量为至少一个，所订阅的语音识别结果针对第一终端通过通信连接上传的语音；结果接收单元，被配置成接收服务端对第一终端上传的语音所确定的语音识别结果，其中，服务端响应于获得语音识别结束指令，断开通信连接。
根据第五方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行语音识别场景下的通信方法中任一实施例的方法。
根据第六方面，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，计算机指令用于使计算机执行根据语音识别场景下的通信方法中任一实施例的方法。
根据第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据语音识别场景下的通信方法中任一实施例的方法。
根据本申请的方案，提供的方法中的终端可以订阅服务端通过通信连接接收的语音的语音识别结果，从而实现服务端向对语音识别结果有需求的终端及时主动地推送语音识别结果，避免了现有技术中需要上传语音的终端定时从服务端获取语音识别结果造成的时效性差、以及不能让更多有需求的终端获得语音识别结果的问题。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请一些实施例可以应用于其中的示例性***架构图；
图2是根据本申请的语音识别场景下的通信方法的一个实施例的流程图；
图3是根据本申请的语音识别场景下的通信方法的一个应用场景的示意图；
图4是根据本申请的语音识别场景下的通信方法的又一个实施例的流程图；
图5是根据本申请的语音识别场景下的通信装置的一个实施例的结构示意图；
图6是用来实现本申请实施例的语音识别场景下的通信方法的电子设备的框图。
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语音识别场景下的通信方法或语音识别场景下的通信装置的实施例的示例性***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，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，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、电子书阅读器、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。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的语音等数据进行分析等处理，并将处理结果(例如语音识别结果)反馈给终端设备。
需要说明的是，本申请实施例所提供的语音识别场景下的通信方法可以由服务器105或者终端设备101、102、103执行，相应地，语音识别场景下的通信装置可以设置于服务器105或者终端设备101、102、103中。
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，示出了根据本申请的语音识别场景下的通信方法的一个实施例的流程200。该语音识别场景下的通信方法，用于服务端，包括以下步骤：
步骤201，响应于与第一终端建立了通信连接，接收第二终端对服务端的语音识别结果的订阅，其中，第二终端的数量为至少一个，所订阅的语音识别结果是第一终端通过通信连接传输的语音的语音识别结果。
在本实施例中，语音识别场景下的通信方法运行于其上的执行主体(例如图1所示的服务器)可以在第一终端与服务端建立了通信连接(比如WebSocket)的情况下，接收第二终端对该服务端的语音识别结果的订阅，具体地，上述执行主体可以接收订阅请求，并确认也即接受该订阅。一旦电子设备向服务端订阅了语音识别结果，其就具有接收服务端主动推送的语音识别结果的权限。这里订阅的语音识别结果是第一终端通过通信连接上传的语音的语音识别结果。第二终端的数量可以是一个或多个，也即，可以存在多个终端均订阅了上述服务端的语音识别结果。
在实践中，上述执行主体可以针对该通信连接，生成唯一会话标识(session id)，该唯一会话标识可以用于对通过该通信连接进行的语音识别过程进行跟踪。相应地，这里的语音识别过程是对于包括至少一个语音的会话的识别过程。
具体地，第一终端是服务端的语音识别服务的调用方，第二终端是进行订阅的订阅方。第二终端可以包括第一终端，比如第二终端即为第一终端或者第二终端包括第一终端和其它终端，或者第二终端可以仅包括第一终端以外的其它终端。
步骤202，响应于接收到第一终端上传的语音，确定该语音的语音识别结果，并将该语音识别结果发送给第二终端。
在本实施例中，上述执行主体可以在接收到上述第一终端上传的语音的情况下，确定该上传的语音的语音识别结果。之后，上述执行主体可以将该语音识别结果发送给进行了上述订阅的各个第二终端。
在实践中，上述执行主体可以在本设备对语音进行语音识别以确定出语音识别结果，也可以将语音发送给其它电子设备，以得到该其它电子设备反馈的语音识别结果，从而确定出语音识别结果。
步骤203，响应于获得语音识别结束指令，断开通信连接。
在本实施例中，上述执行主体可以响应于获得语音识别结束指令，断开上述通信连接。在实践中，上述执行主体可以接收其它电子设备发送的(比如第一终端上传的)语音识别结束指令，从而获得语音识别结束指令。或者，上述执行主体可以在预设条件的触发下，自行生成语音识别结束指令，从而获得语音识别结束指令。
本申请的上述实施例提供的方法中的终端可以订阅服务端通过通信连接接收的语音的语音识别结果，从而实现服务端向对语音识别结果有需求的终端及时主动地推送语音识别结果，避免了现有技术中需要上传语音的终端定时从服务端获取语音识别结果造成的时效性差、以及不能让更多有需求的终端获得语音识别结果的问题。
继续参见图3，图3是根据本实施例的语音识别场景下的通信方法的应用场景的一个示意图。在图3的应用场景中，步骤301中，第一终端(也即调用方)可以接收用户触发识别操作。步骤302中，第一终端可以向服务端发送通信连接请求。步骤303中，服务端可以建立第一终端与服务端之间的通信连接。步骤304中，服务端可以向第一终端返回指示通信连接建立成功的通信连接成功消息。步骤305中，第一终端可以分段向服务端发送语音，也即以语音片段的形式发送语音。步骤306中，服务端可以将第一终端发送的语音写入异步队列。步骤307中，服务端可以向第一终端返回指示成功接收语音的成功接收消息。步骤308中，第二终端(也即订阅方)可以向服务端订阅语音识别结果。步骤309中，可选地，服务端可以接受订阅，并向第二终端返回订阅成功消息。步骤310中，服务端可以启动新线程，以利用该新线程对异步队列中的上述语音进行实时语音识别。步骤311中，服务端可以向第二终端主动推送语音识别结果。步骤312中，第二终端可以实时向用户显示语音识别结果。步骤313中，第一终端可以在检测到用户的用户结束识别操作之后，生成语音识别结束指令。步骤314中，第一终端可以向服务端发送语音识别结束指令。步骤315中，服务端可结束语音识别，并断开通信连接。步骤316中，服务端可以向第一终端返回指示语音识别过程结果的语音识别结束消息。
进一步参考图4，其示出了语音识别场景下的通信方法的又一个实施例的流程400。该流程400，用于服务端，包括以下步骤：
步骤401，响应于与第一终端建立了通信连接，接收第二终端对服务端的语音识别结果的订阅，其中，第二终端的数量为至少一个，所订阅的语音识别结果是第一终端通过通信连接传输的语音的语音识别结果。
在本实施例中，语音识别场景下的通信方法运行于其上的执行主体(例如图1所示的服务器)可以在第一终端与服务端建立了通信连接的情况下，接收第二终端对该服务端的语音识别结果的订阅。
步骤402，响应于接收到第一终端在第一时间段采集并发送的语音片段，确定语音片段的语音识别结果，其中，语音片段所在的语音中包括至少一个语音片段。
在本实施例中，上述执行主体可以响应于接收到第一终端发送的语音片段，确定该语音片段的语音识别结果。第一终端上传语音的方式可以是分段发送的方式。具体地，第一终端的发送可以是实时发送。
具体地，语音片段可以是第一终端在第一时间段内采集的语音。举例来说，每过100ms，第一终端将刚过去这100ms的语音数据实时发送给服务端。
步骤403，响应于获得语音识别结束指令，断开通信连接。
在本实施例中，上述执行主体可以响应于获得语音识别结束指令，断开上述通信连接。在实践中，上述执行主体可以接收其它电子设备发送的(比如第一终端上传的)语音识别结束指令，从而获得语音识别结束指令。或者，上述执行主体可以在预设条件的触发下，自行生成语音识别结束指令，从而获得语音识别结束指令。
本实施例中的第一终端可以通过分段上传语音的方式，相比整个语音一起上传，可以提高语音上传和识别的实时性，从而减少语音识别的耗时，缩短语音识别的过程。
在本实施例的一些可选的实现方式中，在将该语音识别结果发送给第二终端之前，方法还可以包括：响应于获得了语音片段所在语音中各个语音片段的片段识别结果，对各个语音片段的片段识别结果组成的总识别结果进行纠错处理；以及将该语音识别结果发送给第二终端，包括：将对总识别结果进行纠错处理的结果，发送给第二终端。
在这些可选的实现方式中，上述执行主体可以在获得了上述语音片段所在语音中各个语音片段(比如所有语音片段)的片段识别结果的情况下，对这些语音片段的语音识别结果(也即片段识别结果)组成的语音识别结果(也即总识别结果)进行纠错处理。这样，上述执行主体可以得到纠错处理的结果。在实践中，可以对各个语音片段的片段识别结果按照上传时间的顺序进行拼接，组成总识别结果。上述执行主体可以采用各种方式进行纠错处理，比如检测总识别结果与整个语音是否对应，再比如检测总识别结果是否通顺。
这些实现方式可以将纠错后的总识别结果整体发送给第二终端，从而可以确保所发送的语音识别结果的准确性。
在上述任一实施例的一些可选的实现方式中，响应于与第一终端建立了通信连接，可以包括：若接收到第一终端响应于检测到用户触发识别操作所发送的通信连接请求，建立与第一终端的通信连接；以及响应于获得语音识别结束指令，断开通信连接，包括：若接收到第一终端响应于检测到用户结束识别操作所发送的语音识别结束指令，断开通信连接。
在这些可选的实现方式中，上述执行主体可以在接收到第一终端发送的通信连接请求的情况下，建立与第一终端的通信连接。该通信连接请求是第一终端响应于检测到用户触发识别操作发送的。在实践中，用户触发操作是用户做出的、用于触发第一终端接收语音进而向服务端发送通信连接请求的操作。此外，上述执行主体可以在接收到第一终端发送的语音识别结束指令的情况下，断开通信连接。该语音识别结束指令可以是用户要结束语音识别过程时做出的用户结束识别操作所触发的。
这些实现方式可以让用户来触发语音识别过程的开始和结束，从而增加用户对整个过程的控制性。
在上述任一实施例的一些可选的实现方式中，在接收第二终端对服务端的语音识别结果的订阅之后，且在断开通信连接之前，方法还包括：接收并确认其它终端对服务端的语音识别结果的订阅，将其它终端和第二终端均作为新的第二终端。
在这些实现方式中，上述执行主体可以在断开通信连接之前的任意时间，接收其它终端的订阅，并将该其它终端，也作为第二终端，得到的新的第二终端中包括该其它终端。这样，上述执行主体可以在得到待发送的语音识别结果后，将该语音识别结果发送给包括该其它终端的各个第二终端。
这些实现方式中的其它电子设备可以在通信连接断开前的任意时间，继续订阅服务端的语音识别结果，从而满足该其它电子设备的语音识别需求。
在上述任一实施例的一些可选的实现方式中，第一终端上传的语音存储于异步队列中；确定该语音的语音识别结果，并将该语音识别结果发送给第二终端，包括：开启异步线程，从异步队列中获取上传的语音并对该语音进行实时语音识别，得到语音识别结果，将该语音识别结果写入共享变量；将共享变量中的该语音识别结果发送给第二终端。
在这些可选的实现方式中，上述执行主体可以将第一终端上传的语音(比如语音片段)存储于异步队列中。之后，上述执行主体可以开启异步线程，利用该异步线程从异步队列中获取存储的上述语音并对该语音进行实时语音识别，从而得到语音识别结果，并存入共享变量。之后，上述执行主体还可以利用另一个线程，将共享变量中的该语音识别结果发送给第二终端。
这些实现方式可以利用异步线程和异步队列，实现各个步骤间的独立，让各个步骤之间可以没有严格的先后顺序限定。此外，利用共享变量，可以实现语音识别结果的快存和快取，从而提升语音识别结果的通信效率。
本申请还提供了一种语音识别场景下的通信方法，用于第二终端，方法包括：响应于服务端与第一终端建立了通信连接，向服务端订阅服务端的语音识别结果，其中，第二终端的数量为至少一个，所订阅的语音识别结果针对第一终端通过通信连接上传的语音；接收服务端对第一终端上传的语音所确定的语音识别结果，其中，服务端响应于获得语音识别结束指令，断开通信连接。
本实施例提供的方法中的终端可以订阅服务端通过通信连接接收的语音的语音识别结果，从而实现服务端向对语音识别结果有需求的终端及时主动地推送语音识别结果，避免了现有技术中需要上传语音的终端定时从服务端获取语音识别结果造成的时效性差、以及不能让更多有需求的终端获得语音识别结果的问题。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种语音识别场景下的通信装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的语音识别场景下的通信装置500，用于服务端，包括：接收单元501、确定单元502和断开单元503。其中，接收单元501，被配置成响应于与第一终端建立了通信连接，接收第二终端对服务端的语音识别结果的订阅，其中，第二终端的数量为至少一个，所订阅的语音识别结果是第一终端通过通信连接传输的语音的语音识别结果；确定单元502，被配置成响应于接收到第一终端上传的语音，确定该语音的语音识别结果，并将该语音识别结果发送给第二终端；断开单元503，被配置成响应于获得语音识别结束指令，断开通信连接。
在本实施例中，语音识别场景下的通信装置500的接收单元501、确定单元502和断开单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，确定单元，进一步被配置成按照如下方式执行响应于接收到第一终端上传的语音，确定该语音的语音识别结果：响应于接收到第一终端在第一时间段采集并发送的语音片段，确定语音片段的语音识别结果，其中，语音片段所在的语音中包括至少一个语音片段。
在本实施例的一些可选的实现方式中，装置还包括：纠错单元，被配置成在将该语音识别结果发送给第二终端之前，响应于获得了语音片段所在语音中各个语音片段的片段识别结果，对各个语音片段的片段识别结果组成的总识别结果进行纠错处理；以及确定单元，进一步被配置成按照如下方式执行将该语音识别结果发送给第二终端：将对总识别结果进行纠错处理的结果，发送给第二终端。
在本实施例的一些可选的实现方式中，接收单元，进一步被配置成按照如下方式执行响应于与第一终端建立了通信连接：若接收到第一终端响应于检测到用户触发识别操作所发送的通信连接请求，建立与第一终端的通信连接；以及断开单元，进一步被配置成按照如下方式执行响应于获得语音识别结束指令，断开通信连接：若接收到第一终端响应于检测到用户结束识别操作所发送的语音识别结束指令，断开通信连接。
在本实施例的一些可选的实现方式中，装置还包括：新增单元，被配置成在接收第二终端对服务端的语音识别结果的订阅之后，且在断开通信连接之前，接收其它终端对服务端的语音识别结果的订阅，将其它终端和第二终端均作为新的第二终端。
在本实施例的一些可选的实现方式中，第一终端上传的语音存储于异步队列中；确定单元，进一步被配置成按照如下方式执行确定该语音的语音识别结果，并将该语音识别结果发送给第二终端：开启异步线程，以从异步队列中获取上传的语音并对该语音进行实时语音识别，得到语音识别结果，将该语音识别结果写入共享变量；将共享变量中的该语音识别结果发送给第二终端。
本申请还提供了一种语音识别场景下的通信装置，用于第二终端，装置包括：订阅单元，被配置成响应于服务端与第一终端建立了通信连接，向服务端订阅服务端的语音识别结果，其中，第二终端的数量为至少一个，所订阅的语音识别结果针对第一终端通过通信连接上传的语音；结果接收单元，被配置成接收服务端对第一终端上传的语音所确定的语音识别结果，其中，服务端响应于获得语音识别结束指令，断开通信连接。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图6所示，是根据本申请实施例的语音识别场景下的通信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6所示，该电子设备包括：一个或多个处理器601、存储器602，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6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的语音识别场景下的通信方法。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语音识别场景下的通信方法。
存储器602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语音识别场景下的通信方法对应的程序指令/模块(例如，附图5所示的接收单元501、确定单元502和断开单元503)。处理器601通过运行存储在存储器602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语音识别场景下的通信方法。
存储器602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语音识别场景下的通信电子设备的使用所创建的数据等。此外，存储器602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602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至语音识别场景下的通信电子设备。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。
语音识别场景下的通信方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与语音识别场景下的通信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604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该存储***、该至少一个输入装置、和该至少一个输出装置。
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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式***的服务器，或者是结合了区块链的服务器。
附图中的流程图和框图，图示了按照本申请各种实施例的***、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，该模块、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，两个接连地表示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操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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、确定单元和断开单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，断开单元还可以被描述为“响应于获得语音识别结束指令，断开通信连接的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：响应于与第一终端建立了通信连接，接收第二终端对服务端的语音识别结果的订阅，其中，第二终端的数量为至少一个，所订阅的语音识别结果是第一终端通过通信连接传输的语音的语音识别结果；响应于接收到第一终端上传的语音，确定该语音的语音识别结果，并将该语音识别结果发送给第二终端；响应于获得语音识别结束指令，断开通信连接。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种语音识别场景下的通信方法，用于服务端，所述方法包括：
响应于与第一终端建立了通信连接，接收第二终端对所述服务端的语音识别结果的订阅，其中，所述第二终端的数量为至少一个，所订阅的语音识别结果是所述第一终端通过所述通信连接传输的语音的语音识别结果；
响应于接收到所述第一终端上传的语音，确定该语音的语音识别结果，并将该语音识别结果发送给所述第二终端，其中，每过一时间段，所述第一终端将在该时间段采集的语音片段发送给所述服务端；
响应于获得语音识别结束指令，断开所述通信连接；
所述第一终端上传的语音存储于异步队列中；
所述确定该语音的语音识别结果，并将该语音识别结果发送给所述第二终端，包括：
开启异步线程，利用所述异步线程从所述异步队列中获取上传的语音并对该语音进行实时语音识别，得到语音识别结果，将该语音识别结果写入共享变量；利用另一个线程，将所述共享变量中的该语音识别结果发送给所述第二终端。
2.根据权利要求1所述的方法，其中，响应于接收到所述第一终端上传的语音，确定该语音的语音识别结果，包括：
响应于接收到所述第一终端在第一时间段采集并发送的语音片段，确定所述语音片段的语音识别结果，其中，所述语音片段所在的语音中包括至少一个语音片段。
3.根据权利要求2所述的方法，其中，在所述将该语音识别结果发送给所述第二终端之前，所述方法还包括：
响应于获得了所述语音片段所在语音中各个语音片段的片段识别结果，对所述各个语音片段的片段识别结果组成的总识别结果进行纠错处理；以及
所述将该语音识别结果发送给所述第二终端，包括：
将对所述总识别结果进行纠错处理的结果，发送给所述第二终端。
4.根据权利要求1所述的方法，其中，所述响应于与第一终端建立了通信连接，包括：
若接收到所述第一终端响应于检测到用户触发识别操作所发送的通信连接请求，建立与所述第一终端的通信连接；以及
所述响应于获得语音识别结束指令，断开所述通信连接，包括：
若接收到所述第一终端响应于检测到用户结束识别操作所发送的语音识别结束指令，断开所述通信连接。
5.根据权利要求1所述的方法，其中，在所述接收第二终端对所述服务端的语音识别结果的订阅之后，且在所述断开所述通信连接之前，所述方法还包括：
接收其它终端对所述服务端的语音识别结果的订阅，将所述其它终端和所述第二终端均作为新的第二终端。
6.一种语音识别场景下的通信方法，用于第二终端，所述方法包括：
响应于服务端与第一终端建立了通信连接，向所述服务端订阅所述服务端的语音识别结果，其中，所述第二终端的数量为至少一个，所订阅的语音识别结果针对所述第一终端通过所述通信连接上传的语音，每过一时间段，所述第一终端将在该时间段采集的语音片段发送给所述服务端；
接收所述服务端对第一终端上传的语音所确定的语音识别结果，其中，所述服务端响应于获得语音识别结束指令，断开所述通信连接；
所述第一终端上传的语音存储于异步队列中；
所述服务端确定该语音的语音识别结果，并将该语音识别结果发送给所述第二终端，包括：开启异步线程，利用所述异步线程从所述异步队列中获取上传的语音并对该语音进行实时语音识别，得到语音识别结果，将该语音识别结果写入共享变量；利用另一个线程，将所述共享变量中的该语音识别结果发送给所述第二终端。
7.一种语音识别场景下的通信装置，用于服务端，所述装置包括：
接收单元，被配置成响应于与第一终端建立了通信连接，接收第二终端对所述服务端的语音识别结果的订阅，其中，所述第二终端的数量为至少一个，所订阅的语音识别结果是所述第一终端通过所述通信连接传输的语音的语音识别结果，每过一时间段，所述第一终端将在该时间段采集的语音片段发送给所述服务端；
确定单元，被配置成响应于接收到所述第一终端上传的语音，确定该语音的语音识别结果，并将该语音识别结果发送给所述第二终端；
断开单元，被配置成响应于获得语音识别结束指令，断开所述通信连接；
所述第一终端上传的语音存储于异步队列中；
所述确定单元，进一步被配置成按照如下方式执行所述确定该语音的语音识别结果，并将该语音识别结果发送给所述第二终端：
开启异步线程，利用所述异步线程从所述异步队列中获取上传的语音并对该语音进行实时语音识别，得到语音识别结果，将该语音识别结果写入共享变量；利用另一个线程，将所述共享变量中的该语音识别结果发送给所述第二终端。
8.根据权利要求7所述的装置，其中，所述确定单元，进一步被配置成按照如下方式执行所述响应于接收到所述第一终端上传的语音，确定该语音的语音识别结果：
响应于接收到所述第一终端在第一时间段采集并发送的语音片段，确定所述语音片段的语音识别结果，其中，所述语音片段所在的语音中包括至少一个语音片段。
9.根据权利要求8所述的装置，其中，所述装置还包括：
纠错单元，被配置成在所述将该语音识别结果发送给所述第二终端之前，响应于获得了所述语音片段所在语音中各个语音片段的片段识别结果，对所述各个语音片段的片段识别结果组成的总识别结果进行纠错处理；以及
所述确定单元，进一步被配置成按照如下方式执行所述将该语音识别结果发送给所述第二终端：
将对所述总识别结果进行纠错处理的结果，发送给所述第二终端。
10.根据权利要求7所述的装置，其中，所述接收单元，进一步被配置成按照如下方式执行所述响应于与第一终端建立了通信连接：
若接收到所述第一终端响应于检测到用户触发识别操作所发送的通信连接请求，建立与所述第一终端的通信连接；以及
所述断开单元，进一步被配置成按照如下方式执行所述响应于获得语音识别结束指令，断开所述通信连接：
若接收到所述第一终端响应于检测到用户结束识别操作所发送的语音识别结束指令，断开所述通信连接。
11.根据权利要求7所述的装置，其中，所述装置还包括：
新增单元，被配置成在所述接收第二终端对所述服务端的语音识别结果的订阅之后，且在所述断开所述通信连接之前，接收其它终端对所述服务端的语音识别结果的订阅，将所述其它终端和所述第二终端均作为新的第二终端。
12.一种语音识别场景下的通信装置，用于第二终端，所述装置包括：
订阅单元，被配置成响应于服务端与第一终端建立了通信连接，向所述服务端订阅所述服务端的语音识别结果，其中，所述第二终端的数量为至少一个，所订阅的语音识别结果针对所述第一终端通过所述通信连接上传的语音，每过一时间段，所述第一终端将在该时间段采集的语音片段发送给所述服务端；
结果接收单元，被配置成接收所述服务端对第一终端上传的语音所确定的语音识别结果，其中，所述服务端响应于获得语音识别结束指令，断开所述通信连接；
所述第一终端上传的语音存储于异步队列中；
所述服务端确定该语音的语音识别结果，并将该语音识别结果发送给所述第二终端，包括：开启异步线程，利用所述异步线程从所述异步队列中获取上传的语音并对该语音进行实时语音识别，得到语音识别结果，将该语音识别结果写入共享变量；利用另一个线程，将所述共享变量中的该语音识别结果发送给所述第二终端。
13.一种电子设备，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1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
CN202110201275.1A 2021-02-23 2021-02-23 语音识别场景下的通信方法和装置 Active CN112992141B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110201275.1A CN112992141B (zh) 2021-02-23 2021-02-23 语音识别场景下的通信方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110201275.1A CN112992141B (zh) 2021-02-23 2021-02-23 语音识别场景下的通信方法和装置

Publications (2)

Publication Number Publication Date
CN112992141A CN112992141A (zh) 2021-06-18
CN112992141B true CN112992141B (zh) 2023-06-16

Family

ID=76349662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110201275.1A Active CN112992141B (zh) 2021-02-23 2021-02-23 语音识别场景下的通信方法和装置

Country Status (1)

Country Link
CN (1) CN112992141B (zh)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100007625A (ko) * 2008-07-14 2010-01-22 엘지전자 주식회사 이동 단말기 및 그 메뉴 표시 방법
CN102045206B (zh) * 2011-01-26 2013-10-23 杭州华三通信技术有限公司 一种告警推送方法及其设备和***
CN102685151A (zh) * 2012-06-05 2012-09-19 陈云昊 语音过滤及转发的方法
CN105208081A (zh) * 2015-08-14 2015-12-30 深圳联友科技有限公司 一种通过订阅方式实现网络通信的方法和***
EP3429237A1 (en) * 2017-07-13 2019-01-16 Airbus Defence and Space Oy Group communication
CN109036421A (zh) * 2018-08-10 2018-12-18 珠海格力电器股份有限公司 信息推送方法及家电设备
CN110491370A (zh) * 2019-07-15 2019-11-22 北京大米科技有限公司 一种语音流识别方法、装置、存储介质及服务器
CN110417809A (zh) * 2019-08-09 2019-11-05 西藏宁算科技集团有限公司 一种基于实时分析的导航方法和***
CN110808031A (zh) * 2019-11-22 2020-02-18 大众问问(北京)信息科技有限公司 一种语音识别方法、装置和计算机设备
CN112115726A (zh) * 2020-09-18 2020-12-22 北京嘀嘀无限科技发展有限公司 机器翻译方法、装置、电子设备和可读存储介质

Also Published As

Publication number Publication date
CN112992141A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN111934840A (zh) 客户端和服务端的通信方法、网关、电子设备及存储介质
CN112416284B (zh) 用于共享屏幕的方法、装置、设备以及存储介质
CN112235417B (zh) 调试指令的发送方法、装置
KR20210156243A (ko) 딥러닝 프레임워크의 훈련 방법, 장치 및 저장 매체
CN111510480B (zh) 一种请求发送方法、装置以及第一服务器
CN112382294A (zh) 语音识别方法、装置、电子设备和存储介质
CN111770176A (zh) 流量调度方法及装置
EP3828739B1 (en) Parallelization of authentication strategies
CN112069137B (zh) 生成信息的方法、装置、电子设备及计算机可读存储介质
US11165916B2 (en) Information processing method, information processing apparatus, and non-transitory recording medium storing instructions for executing an information processing method
CN113724398A (zh) 增强现实方法、装置、设备以及存储介质
CN112992141B (zh) 语音识别场景下的通信方法和装置
WO2023169193A1 (zh) 用于生成智能合约的方法和装置
CN111615171A (zh) 无线局域网的接入方法和装置
CN111818046B (zh) 用于交互信息的方法、装置、设备以及存储介质
CN112516584B (zh) 游戏角色的控制方法和装置
CN113542802B (zh) 视频的转场方法和装置
CN113641439B (zh) 文本识别和展示方法、装置、电子设备和介质
CN112752323A (zh) 热点接入状态的改变方法和装置
CN112770415A (zh) 关于无线热点的信息处理方法和装置
CN113419880A (zh) 云手机根权限获取方法、相关装置及计算机程序产品
CN112153754A (zh) 点对点连接方法、装置、电子设备及存储介质
CN111767989A (zh) 神经网络的训练方法和装置
CN112579032A (zh) 智能设备引导的方法及装置
CN111857887B (zh) 数据采集方法、装置、电子设备和可读存储介质

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