CN103594085B - 一种提供语音识别结果的方法及系统 - Google Patents

Abstract

本发明提供了一种提供语音识别结果的方法及系统，其中提供语音识别结果的方法包括信息收集阶段和语音识别阶段，其中所述信息收集阶段包括：客户端模块获取移动终端的本地信息；所述语音识别阶段包括：在获取到待识别语音后，所述客户端模块将待识别语音发送至服务器模块；所述服务器模块对待识别语音进行识别，并将识别结果返回所述客户端模块；所述客户端模块利用所述本地信息对所述识别结果进行矫正，并将矫正后的识别结果作为最终的语音识别结果。通过上述方式，可以解决由于文字存在同音异义现象而导致的语音识别错误。

Description

一种提供语音识别结果的方法及系统

【技术领域】

本发明涉及语音识别技术，特别涉及一种提供语音识别结果的方法及系统。

【背景技术】

移动终端的普及，使得语音识别技术有了更广阔的应用空间。例如语音拨号应用，使得移动终端的使用朝着智能化的方向发展。但是，由于移动终端的计算能力有限，单纯依赖移动终端，只能在有限范围内进行语音识别，例如对孤立词进行语音识别。想要实现对大词汇的连续语音进行识别，仅仅依靠移动终端的计算资源是非常困难的。

为了实现连续语音识别，以使得移动终端能够满足更为复杂的语音命令的需要，现有技术在移动终端上为用户提供与语音识别相关的应用时，通常仅将移动终端作为语音采集的客户端，当客户端采集到待识别语音时，便将待识别的语音发送至服务器，借助服务器强大的计算能力，来实现对大词汇的连续语音进行识别的目的。当服务器将识别结果返回至客户端后，移动终端就可以根据识别结果做出相应的响应。

由于服务器具有强大的计算能力，因此可以采用更为有效的识别模型和识别算法进行语音识别，从而能够大大提高语音识别的精度，并实现原本由移动终端单独无法实现的任务。但是，在对一些专有名词进行识别时，服务器的识别效果却不够理想。如用户输入的待识别语音本意为“给张伞打电话”，服务器能够确定出待识别语音中包含“张伞”的读音，但是由于服务器缺乏足够的资源判断该读音对应的究竟是什么文字，因此，很可能会产生错误的识别结果，如返回的识别结果为“给张三打电话”。

可见，在现有的语音识别技术中，会出现由于文字存在同音异义现象而导致的识别错误。

【发明内容】

本发明所要解决的技术问题是提供一种提供语音识别结果的方法及系统，以解决现有技术中由于文字存在同音异义现象而导致语音识别错误这一问题。

本发明为解决技术问题而采用的技术方案是提供一种提供语音识别结果的方法，其特征在于，所述方法包括信息收集阶段和语音识别阶段，其中所述信息收集阶段包括：客户端模块获取移动终端的本地信息；所述语音识别阶段包括：在获取到待识别语音后，所述客户端模块将待识别语音发送至服务器模块；所述服务器模块对待识别语音进行识别，并将识别结果返回所述客户端模块；所述客户端模块利用所述本地信息对所述识别结果进行矫正，并将矫正后的识别结果作为最终的语音识别结果。

根据本发明之一优选实施例，利用所述本地信息对所述识别结果进行矫正的步骤包括：获取所述本地信息和所述识别结果的音节代码；将所述识别结果的音节代码与所述本地信息的音节代码进行比对；使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

根据本发明之一优选实施例，所述信息收集阶段进一步包括获取所述本地信息的音节代码。

根据本发明之一优选实施例，利用所述本地信息对所述识别结果进行矫正的步骤包括：获取所述识别结果的音节代码；将所述识别结果的音节代码与所述本地信息的音节代码进行比对；使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

根据本发明之一优选实施例，所述服务器模块对待识别语音进行识别后，进一步获取识别结果的音节代码，并将所述识别结果的音节代码返回所述客户端模块；并且，利用所述本地信息对所述识别结果进行矫正的步骤包括：将所述识别结果的音节代码与所述本地信息的音节代码进行比对；使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

根据本发明之一优选实施例，所述服务器模块对待识别语音进行识别后，进一步获取识别结果的音节代码，并将所述识别结果的音节代码返回所述客户端模块；并且，利用所述本地信息对所述识别结果进行矫正的步骤包括：获取所述本地信息的音节代码；将所述识别结果的音节代码与所述本地信息的音节代码进行比对；使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

本发明还提供了一种提供语音识别结果的系统，包括客户端模块和服务器模块，其特征在于，所述客户端模块包括：收集单元，用于获取移动终端的本地信息；接受单元，用于获取待识别语音；客户端通讯单元，用于在所述接收单元获取到待识别语音后，将待识别语音发送至服务器模块；所述服务器模块包括：语音识别单元，用于对待识别语音进行识别；服务器通讯单元，用于将识别结果返回所述客户端模块；所述客户端模块还包括：矫正单元，用于利用所述本地信息对所述识别结果进行矫正，并将矫正后的识别结果作为最终的语音识别结果。

根据本发明之一优选实施例，所述矫正单元包括：第一转化单元，用于获取所述本地信息和所述识别结果的音节代码；第一比对单元，用于将所述识别结果的音节代码与所述本地信息的音节代码进行比对；第一替换单元，用于使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

根据本发明之一优选实施例，所述收集单元进一步用于获取所述本地信息的音节代码。

根据本发明之一优选实施例，所述矫正单元包括：第二转化单元，用于获取所述识别结果的音节代码；第二比对单元，用于将所述识别结果的音节代码与所述本地信息的音节代码进行比对；第二替换单元，用于使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

根据本发明之一优选实施例，所述服务器模块进一步包括：第三转化单元，用于在所述语音识别单元对待识别语音进行识别后，获取识别结果的音节代码；所述服务器通讯单元进一步用于将所述识别结果的音节代码返回所述客户端模块；并且，所述矫正单元包括：第三比对单元，用于将所述识别结果的音节代码与所述本地信息的音节代码进行比对；第三替换单元，用于使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

根据本发明之一优选实施例，所述服务器模块进一步包括：第四转化单元，用于对所述待识别语音进行识别后，获取识别结果的音节代码；所述服务器通讯单元进一步用于将所述识别结果的音节代码返回所述客户端模块；并且，所述矫正单元包括：第四转化单元，用于将所述本地信息转化为音节代码；第四比对单元，用于将所述识别结果的音节代码与所述本地信息的音节代码进行比对；第四替换单元，用于使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

由以上技术方案可以看出，通过在语音识别阶段前，先获取到移动终端的本地信息，可以在语音识别阶段，利用该本地信息对服务器返回的语音识别结果进行矫正，从而解决现有技术中由于文字存在同音异义现象而导致的语音识别错误。

【附图说明】

图1为本发明中提供语音识别结果的方法的实施例的流程示意图；

图2为对待识别语音进行识别的一个示意图；

图3为本发明中客户端模块对识别结果进行矫正的一个实施例的流程示意图；

图4为本发明中提供语音识别结果的系统的实施例一的结构示意框图；

图5为本发明中提供语音识别结果的系统的实施例二的结构示意框图；

图6为本发明中提供语音识别结果的系统的实施例三的结构示意框图；

图7为本发明中提供语音识别结果的系统的实施例四的结构示意框图。

【具体实施方式】

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

请参考图1，图1为本发明中提供语音识别结果的方法的实施例的流程示意图。如图1所示，本发明的方法包括信息收集和语音识别两个阶段。

其中信息收集阶段包括：

步骤S101：客户端模块获取移动终端的本地信息。

语音识别阶段包括：

步骤S201：在获取到待识别语音后，客户端模块将待识别语音发送至服务器模块。

步骤S202：服务器模块对待识别语音进行识别，并将识别结果返回客户端模块。

步骤S203：客户端模块利用本地信息对识别结果进行矫正，并将矫正后的识别结果作为最终的语音识别结果。

本发明中的本地信息，指的是移动终端中保存的与各类应用相关的信息。具体地，包括通讯类应用（如通讯录）中的联系人名称、号码，管理类应用（如杀毒软件、系统优化软件）管理下的各种应用的名称、属性，信息类应用（如短信、邮件）中收到的文本，以及地图类应用中的地名等信息。以上本地信息仅为列举，并不构成对本发明的限制，实际上移动终端上保存的任何信息都可构成本发明中的本地信息。

在信息收集阶段，客户端模块根据移动终端上安装的应用，获取各种本地信息并保存。

在语音识别阶段，本发明中的客户端模块仅完成对待识别语音的采集，而对待识别语音进行识别由服务器模块完成，当服务器模块将识别结果返回客户端模块后，客户端模块再利用信息收集阶段得到的本地信息对服务器模块返回的识别结果进行矫正，以使得本发明中的语音识别结果更符合移动终端用户的真实表达。

服务器模块对待识别语音进行识别的过程，可采用现有的语音识别算法实现，请参考图2，图2为对待识别语音进行识别的一个示意图。对语音进行识别，实际上是一个解码过程，而声学模型和语言模型则是预先根据特定算法训练得到解码依据，其中，声学模型用于描述语音到音节的概率，语言模型用于描述音节到文字的概率。利用已有的声学模型和语言模型，服务器模块在接收到待识别语音后，通过解码算法查询声学模型和语言模型，就可以确定待识别语音的识别结果。

请参考图3，图3为本发明中客户端模块对识别结果进行矫正的一个实施例的流程示意图。如图2所示，步骤S203包括：

步骤S2031：获取本地信息和识别结果的音节代码。

步骤S2032：将识别结果的音节代码与本地信息的音节代码进行比对。

步骤S2033：使用相匹配的音节代码所对应的本地信息替换识别结果中对应相匹配的音节代码的文字。

本发明中的音节代码是能够描述文字读音的符号，以中文为例，拼音就是一种音节代码，以英文为例，音标也是一种音节代码。步骤S2031中获取本地信息和识别结果的音节代码，通过查找文字与音节代码之间的映射表即可实现。例如通过查表，可以确认本地信息“张伞”的音节代码为“zhangsan”，识别结果“给张三打电话”的音节代码为“geizhangsandadianhua”，则步骤S2032中将“zhangsan”与“geizhangsandadianhua”进行比对，可以确定相匹配的音节代码为“zhangsan”，则在步骤S2033中，使用音节代码“zhangsan”所对应的本地信息“张伞”替换识别结果“给张三打电话”中的“张三”，得到的矫正后的识别结果为“给张伞打电话”。

在本发明中，确定相匹配的音节代码，可以采用多种策略。例如将完全比对成功的音节代码作为相匹配的音节代码，如上例中的本地信息对应的音节代码为“zhangsan”，与识别结果中的“zhangsan”完全比对成功，则“zhangsan”可以作为相匹配的音节代码。或者将部分比对成功的音节代码作为相匹配的音节代码，如上例中如果本地信息对应的音节代码为“zhangshan”，则与识别结果中的“zhangsan”部分比对成功，也可将“zhangshan”和“zhangsan”作为相匹配的音节代码。值得注意的是，采用何种策略确定本发明中相匹配的音节代码，并不构成对本发明的限制，确定相匹配的音节代码时还可以增加其他的约束条件，在此不再赘述。

可见，采用本发明的方法，可以充分地利用服务器资源进行语音识别处理，由于服务器有强大的计算能力，因此可以应用准确性更好的声学模型及语言模型对语音进行识别，从而实现客户端无法达到的语音识别效果，同时，本发明通过利用客户端的本地信息，能够有效矫正服务器返回的识别结果中由同音异义的文字引起的识别错误，使得最终的识别结果能够更好地反映用户的实际需求。

在本发明的另一个实施例中，在信息收集阶段，客户端模块进一步获取本地信息的音节代码并保存。与前面所说类似的，在得到本地信息后，通过查找文字与音节代码之间的映射表就可得到本地信息的音节代码。此时，在信息收集阶段相当于得到了一个本地信息及相应的音节代码之间的映射表。这样，在语音识别阶段，步骤S2031中只需要获取识别结果的音节代码即可，步骤S2032在进行比对前，只需要查询信息收集阶段得到的本地信息与音节代码之间的映射表，即可得到本地信息的音节代码。

此外，获取识别结果的音节代码也可由服务器模块完成，例如在服务器在对待识别语音进行识别后，进一步获取识别结果的音节代码，并将识别结果的音节代码也返回至客户端模块。这样，结合上一实施例在信息收集阶段获取了本地信息的音节代码的情况下，步骤S203的实施方式只包括步骤S2032和步骤S2033即可。其中步骤S2032中直接将服务器模块返回的识别结果的音节代码与信息收集阶段得到的本地信息的音节代码进行比对。

可见，在本发明利用客户端模块和服务器模块协同工作以提供语音识别结果的方法中，无论是获取本地信息的音节代码，还是获取识别结果的音节代码，均可在多个环节实施，实际上，根据前面提供的实施例，在本发明的思想下，上述实施方式可进行任意组合。

请参考图4，图4为本发明中提供语音识别结果的系统的实施例一的结构示意框图。如图4所示，该实施例包括：客户端模块301和服务器模块401，其中客户端模块301包括：收集单元3011、接收单元3012、客户端通讯单元3013和矫正单元3014，服务器模块401包括：语音识别单元4011和服务器通讯单元4012。

其中收集单元3011，用于获取移动终端的本地信息。本发明中的本地信息，指的是移动终端中保存的与各类应用相关的信息。具体地，包括通讯类应用（如通讯录）中的联系人名称、号码，管理类应用（如杀毒软件、系统优化软件）管理下的各种应用的名称、属性，信息类应用（如短信、邮件）中收到的文本，以及地图类应用中的地名等信息。

接收单元3012，用于获取待识别语音。客户端通讯单元3013，用于在获取到待识别语音后，将待识别语音发送至服务器模块401。语音识别单元4011，用于对待识别语音进行识别。服务器通讯单元4012，用于将识别结果返回至客户端模块301。矫正单元3014，用于利用本地信息对识别结果进行矫正，并将矫正后的识别结果作为最终的语音识别结果。

具体地，在本实施例中，矫正单元3014包括第一转化单元3014_11、第一比对单元3014_12及第一替换单元3014_13。其中，第一转化单元3014_11，用于获取本地信息和识别结果的音节代码。第一比对单元3014_12，用于将识别结果的音节代码与本地信息的音节代码进行比对。第一替换单元3014_13，用于使用相匹配的音节代码所对应的本地信息替换识别结果中对应相匹配的音节代码的文字。

请参考图5，图5为本发明中提供语音识别结果的系统的实施例二的结构示意框图。如图5所示，与实施例一相比，本实施例中，收集单元3011进一步用于获取本地信息的音节代码，与之对应的，矫正单元3014包括第二转化单元3014_21、第二比对单元3014_22及第二替换单元3014_23。其中，第二转化单元3014_21，用于获取识别结果的音节代码。第二比对单元3014_22，用于将识别结果的音节代码与本地信息的音节代码进行比对。第二替换单元3014_23，用于使用相匹配的音节代码所对应的本地信息替换识别结果中对应相匹配的音节代码的文字。

请参考图6，图6为本发明中提供语音识别结果的系统的实施例三的结构示意框图。与实施例二相比，本实施例中，服务器模块401进一步包括第三转化单元4013_1，用于在语音识别单元4011对待识别语音进行识别后，获取识别结果的音节代码，并且，服务器通讯单元4012进一步用于将识别结果的音节代码返回客户端模块301。与之对应的，矫正单元3014包括：第三比对单元3014_31和第三替换单元3014_32。其中第三比对单元3014_31，用于将识别结果的音节代码与本地信息的音节代码进行比对。第三替换单元3014_32，用于使用相匹配的音节代码所对应的本地信息替换识别结果中对应相匹配的音节代码的文字。

请参考图7，图7为本发明中提供语音识别结果的系统的实施例四的结构示意框图。如图7所示，与实施例一相比，本实施例中，服务器模块401进一步包括第四转化单元4013_2，用于在语音识别单元4011对待识别语音进行识别后，获取识别结果的音节代码，并且，服务器通讯单元4012进一步用于将识别结果的音节代码返回客户端模块301。与之对应的，矫正单元3014包括：第四转化单元3014_41、第四比对单元3014_42和第四替换单元3014_43。其中第四转化单元3014_41，用于获取本地信息的音节代码。第四比对单元3014_42，用于将识别结果的音节代码与本地信息的音节代码进行比对。第四替换单元3014_43，用于使用相匹配的音节代码所对应的本地信息替换识别结果中对应相匹配的音节代码的文字。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (12)

1.一种提供语音识别结果的方法，其特征在于，所述方法包括信息收集阶段和语音识别阶段，其中所述信息收集阶段包括：

客户端模块获取移动终端的本地信息，所述本地信息指所述移动终端中保存的与各类应用相关的信息；

所述语音识别阶段包括：

在获取到待识别语音后，所述客户端模块将待识别语音发送至服务器模块；

所述服务器模块对待识别语音进行识别，并将识别结果返回所述客户端模块；

所述客户端模块将所述识别结果的音节代码与所述本地信息的音节代码进行比对，使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字对所述识别结果进行矫正，所述相匹配为完全比对成功或部分比对成功，并将矫正后的识别结果作为最终的语音识别结果。

2.根据权利要求1所述的方法，其特征在于，将所述识别结果的音节代码与所述本地信息的音节代码进行比对，使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字对所述识别结果进行矫正的步骤包括：

获取所述本地信息和所述识别结果的音节代码；

将所述识别结果的音节代码与所述本地信息的音节代码进行比对；

使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

3.根据权利要求1所述的方法，其特征在于，所述信息收集阶段进一步包括获取所述本地信息的音节代码。

4.根据权利要求3所述的方法，其特征在于，将所述识别结果的音节代码与所述本地信息的音节代码进行比对，使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字对所述识别结果进行矫正的步骤包括：

获取所述识别结果的音节代码；

将所述识别结果的音节代码与所述本地信息的音节代码进行比对；

使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

5.根据权利要求3所述的方法，其特征在于，所述服务器模块对待识别语音进行识别后，进一步获取识别结果的音节代码，并将所述识别结果的音节代码返回所述客户端模块；

将所述识别结果的音节代码与所述本地信息的音节代码进行比对；

使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

6.根据权利要求1所述的方法，其特征在于，所述服务器模块对待识别语音进行识别后，进一步获取识别结果的音节代码，并将所述识别结果的音节代码返回所述客户端模块；

获取所述本地信息的音节代码；

将所述识别结果的音节代码与所述本地信息的音节代码进行比对；

使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

7.一种提供语音识别结果的系统，包括客户端模块和服务器模块，其特征在于，所述客户端模块包括：

收集单元，用于获取移动终端的本地信息；

接收单元，用于获取待识别语音；

客户端通讯单元，用于在所述接收单元获取到待识别语音后，将待识别语音发送至服务器模块；

所述服务器模块包括：

语音识别单元，用于对待识别语音进行识别；

服务器通讯单元，用于将识别结果返回所述客户端模块；

所述客户端模块还包括：

矫正单元，用于将所述识别结果的音节代码与所述本地信息的音节代码进行比对，使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字对所述识别结果进行矫正，所述相匹配为完全比对成功或部分比对成功，并将矫正后的识别结果作为最终的语音识别结果。

8.根据权利要求7所述的系统，其特征在于，所述矫正单元包括：

第一转化单元，用于获取所述本地信息和所述识别结果的音节代码；

第一比对单元，用于将所述识别结果的音节代码与所述本地信息的音节代码进行比对；

第一替换单元，用于使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

9.根据权利要求7所述的系统，其特征在于，所述收集单元进一步用于获取所述本地信息的音节代码。

10.根据权利要求9所述的系统，其特征在于，所述矫正单元包括：

第二转化单元，用于获取所述识别结果的音节代码；

第二比对单元，用于将所述识别结果的音节代码与所述本地信息的音节代码进行比对；

第二替换单元，用于使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

11.根据权利要求9所述的系统，其特征在于，所述服务器模块进一步包括：第三转化单元，用于在所述语音识别单元对待识别语音进行识别后，获取识别结果的音节代码；所述服务器通讯单元进一步用于将所述识别结果的音节代码返回所述客户端模块；

并且，所述矫正单元包括：

第三比对单元，用于将所述识别结果的音节代码与所述本地信息的音节代码进行比对；

第三替换单元，用于使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。

12.根据权利要求7所述的系统，其特征在于，所述服务器模块进一步包括：第四转化单元，用于对所述待识别语音进行识别后，获取识别结果的音节代码；所述服务器通讯单元进一步用于将所述识别结果的音节代码返回所述客户端模块；

并且，所述矫正单元包括：

第四转化单元，用于将所述本地信息转化为音节代码；

第四比对单元，用于将所述识别结果的音节代码与所述本地信息的音节代码进行比对；

第四替换单元，用于使用相匹配的音节代码所对应的本地信息替换所述识别结果中对应所述相匹配的音节代码的文字。