CN101807399A - 一种语音识别方法及装置 - Google Patents

Abstract

本发明公开了一种语音识别方法及装置，技术方案中该方法包括：通过至少两条语音识别支路识别输入语音；在确定从所述语音识别支路获得的至少两种语音识别结果一致时，输出所述识别结果。本发明实施例还提供了一种语音识别装置，其中包括用于通过至少两条语音识别支路识别输入语音的信息识别模块，以及用于在确定从所述信息识别模块中获得的至少两种语音识别结果一致时，输出所述识别结果的识别处理模块。采用本发明实施例记载的技术方案能够提高现有语音识别系统的用户体验。

Description

一种语音识别方法及装置

技术领域

本发明涉及通信技术领域，具体的说，涉及一种语音识别方法及装置。

背景技术

自动语音识别ASR(Automatic Speech Recognition)技术是一种将人的语音转换为文本的技术，属于一个多学科交叉的技术领域，它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。近年来，消费类电子产品对低成本、高稳健性的语音识别系统的需求逐渐增加，语音识别系统已经大量地从实验室的PC平台转移到了终端设备中。目前已经有许多用户有机会体验到语音识别技术带给人们的便捷服务，例如：通过语音识别技术，用户可以直接发出语音来对终端设备发送指令，或要求终端设备记录用户发出的语音，从而将文本转换成用户语音朗读出来。

终端语音识别是一个模式识别匹配的过程。在这个过程中，终端首先要根据人的语音特点建立语音模型，通过对输入的语音信号的分析，抽取所需的特征，来建立语音识别所需的模板。而终端在识别过程中要根据语音识别模型，将终端中的语音模板与输入的语音信号的特征比较后，确定与输入语音匹配的最佳模板，从而获得语音识别的结果。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

在现有的语音识别终端产品中，语音识别系统对用户输入的语音进行识别过程中，通常会根据可信度的高低向用户显示与输入语音有关的几种选择，用户需要再次选择来确定最终的识别结果；另外，语音识别过程中如果出现错误，只能在提示用户识别结果或根据该识别结果继续运行程序时，被用户发觉，无法提前获知。例如：用户在使用语音识别技术拨打电话时，当语音识别错误发生时，往往在接通电话后，用户才能发现通话对象是错误的。针对上述现有技术可以看出，现有的语音识别系统很大程度上给用户造成的用户体验很差。

发明内容

本发明的实施例提供了一种语音识别方法及装置，能够提高现有语音识别系统的用户体验。

本发明实施例提供了一种语音识别方法，技术方案包括：

通过至少两条语音识别支路识别输入语音；

在确定从所述语音识别支路获得的至少两种语音识别结果一致时，输出所述识别结果。

本发明实施例提供了一种语音识别装置，技术方案包括：

信息识别模块，用于通过至少两条语音识别支路识别输入语音；

识别处理模块，用于在确定从所述信息识别模块中获得的至少两种语音识别结果一致时，输出所述识别结果。

由上述本发明的实施例提供的技术方案可以看出，其通过对至少两条语音识别支路产生的结果进行判决，不需要用户再次对识别结果进行选择，在错误发生时可以采用相应的处理方式提示用户，提高了现有语音识别系统的用户体验。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种语音识别方法的流程图；

图2为本发明实施例一种语音识别方法的应用场景图；

图3为本发明实施例一种语音识别方法的应用场景图；

图4为本发明实施例一种语音识别装置的结构示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。

本发明实施例一种语音识别方法及装置的核心是：针对输入语音采用至少两条的语音识别支路进行处理，通过对产生的至少两个语音识别结果进行判决后输出，用户不需要针对多个识别结果进行再次选择，同时，本发明实施例在识别结果的判决过程中，能够及时提示用户识别过程中出现的错误，避免了由于语音识别错误导致的错误程序的运行。

下面通过本发明具体实施例针对本发明记载的技术方案进行详细说明。

如图1所示，本发明实施例提供了一种语音识别方法，可以通过如下技术方案实现：

步骤101：通过至少两条语音识别支路识别输入语音；

步骤102：在确定从所述语音识别支路获得的至少两种语音识别结果一致时，输出所述识别结果。

在本发明的一个实施例中，通过至少两条语音识别支路识别输入语音的过程具体可以通过如下技术方案实现：

步骤1011：获取输入语音信号；

步骤1012：分别通过至少两条语音识别支路对所述语音信号进行识别后，存储所述语音识别支路产生的至少两种语音识别结果。

需要说明的是，本发明实施例中采用至少两条语音识别支路对用户输入的语音信号进行语音识别，并没有具体限定语音识别支路的数量，在实施例的具体实现场景中，可以根据业务需求来具体选配。

另外需要说明的是，在现有的语音识别系统中常用的算法通常有：基于神经网络的训练和识别算法、基于动态时间归整匹配的识别算法和基于统计的隐含马尔可夫模型识别和训练算法。

由于基于神经网络的训练和识别算法实现起来较复杂，且识别率不高。基于动态时间归整匹配的识别算法属于一个最为小巧的语音识别的算法，其系统开销小，且识别速度快，针对小词汇量的语音命令控制系统非常有效，但不适用在复杂系统中。

基于统计的隐含马尔可夫模型识别和训练算法是目前语音识别系统中最佳的一种，因为这种数学模型已经形成了完整的理论框架。隐含马尔可夫模型的算法是通过将语音看成一连串特定状态，这种状态以某种隐含的关系与语音的观测量(或特征)相关联，并且这种隐含关系在HMM模型中通常以概率形式所体现，HMM模型的输出结果也以概率形式给出，这为本发明实施例中的判决过程创造了条件。由此，本发明实施例中语音识别支路优选基于统计的隐含马尔可夫模型识别和训练算法来实现。

在本发明实施例中，在确定从所述语音识别支路获得的至少两种语音识别结果不一致时，分别给出了两种不同的处理方式：

一种处理方式的应用场景如图2所示：

用户输入的语音信号通过至少两个语音识别支路进行语音识别，获得至少两种语音识别结果；通过对至少两种语音识别结果判决后：

如果相同，将识别结果直接输出，或者根据该识别结果进行相应的操作；比如：用户在使用语音拨号服务时，系统会根据获得的相同识别结果确定用户拨出的被叫号码，向被叫号码发出通话呼叫或进行短信发送。

相反，当获得的识别结果中至少有一个识别结果不同时，输出警报，提示用户重新输入语音信息，以便针对再次输出的语音信息进行识别。用户使用现有的语音识别系统提供的服务时，当识别结果有误，例如：用户使用语音拨号时，只能在系统根据错误识别结果拨通被叫号码后，用户才发觉其的错误操作，不仅导致用户自身的体验很差，同时也影响了被叫用户的体验，通过在错误发生时，及时提示用户语音识别过程出现错误，避免误操作的产生。

需要说明的是，在图2所示的应用场景中，判决过程不具体针对语音识别支路的数量进行考虑，判决过程中只要有语音识别支路产生的识别结果有一个与其余结果不同时，即做出警报。

采用上述图2这种方式，不仅能够避免用户针对多个识别结果的再次选择带来的麻烦，而且在语音信息识别过程出现错误时，能够及时给出用户提示，避免识别错误带来的误操作。

另一种处理方式的应用场景图如图3所示：

用户输入的语音信号通过至少两个语音识别支路进行语音识别，获得至少两种语音识别结果；通过对至少两种语音识别结果判决后，如果相同，将识别结果直接输出，或者根据该识别结果进行相应的操作；当不同时，还可以根据多数原则、加权算法或多数原则与加权算法相结合中任一方式，从所述至少两种识别结果中确定最终识别结果后，再输出。

需要说明的是，在图3所示的应用场景中，当采用多数原则对语音识别支路的识别结果进行判决时，要具体考虑识别支路的数量，是将识别结果中保持一致数量最多的识别结果作为最终识别结果，在最终识别结果确定后进行输出或按照最终识别结果执行相应操作。

例如：应用场景中存在6条语音识别支路时，语音识别后产生的结果为：其中有3条支路的识别结果保持一致，有2条识别结果保持一致，其余1条支路的识别结果与另外5条均不同，针对这种情况，将识别结果相同的3条支路的识别结果作为最终的识别结果。

在图3所示的应用场景中，还可以采用加权计算的方式对语音识别支路的识别结果进行判决，其获得的最终识别结果取决于权重的设定，具体可以通过分别针对每一条语音识别支路设定权重，权重具体可以根据网络延时时间、系统负荷来确定，本发明实施例不限定权重的具体设定因素，只要便于语音识别结果的判决即可。

应用场景中存在6条语音识别支路时，可以根据网络延时时间来分别设定每条支路的权重，将网络延时时间越小的支路权重设定的越高，通过加权算法来确定最终值，由于加权算法已经是比较成熟的现有技术，所以本发明实施例在此不作赘述。

在图3所示的应用场景中，也可以采用多数原则与加权算法相结合的方式来确定最终识别结果；

应用场景中存在6条语音识别支路时，当每条支路产生的识别均不一致时，单纯采用多数原则不能确定最终识别结果，在这种情况下，采用分别针对不能语音识别支路设定权重，并通过加权算法针对每条语音识别支路计算权重值，从而确定最终识别结果。

采用上述图3这种方式，也能够避免用户针对多个识别结果的再次选择带来的麻烦，而且在语音信息识别过程出现错误时，能够通过综合判决多个语音识别结果，尽可能的保证语音识别的准确性。

如图4所示，基于上述图1所示的方法实施例，本发明实施例还提供了一种语音识别装置，可以包括如下功能模块：

信息识别模块41，用于通过至少两条语音识别支路识别输入语音；

识别处理模块42，用于在确定从所述信息识别模块中获得的至少两种语音识别结果一致时，输出所述识别结果。

在本发明的一个实施例中，信息识别模块41具体可以包括：

信息获取单元411，用于获取输入语音信号；

语音识别单元412，用于分别通过至少两条语音识别支路对所述信息获取模块获取的所述语音信号进行识别后，存储所述语音识别支路产生的至少语音两种识别结果。

需要说明的是，信息识别模块可以由图2和图3中的ASR1、ASR2…ASRn组成，其中每条支路产生的识别结果可以统一存储，也可以分别存储。

在本发明的一个实施例中，识别处理模块42还可以用于：在确定从所述语音识别支路获得的至少两种语音识别结果不一致时，提示用户重新输入语音信号。

在本发明的一个实施例中，识别处理模块42还可以用于：在确定从所述语音识别支路获得的至少两种语音识别结果不一致时，根据多数原则、加权算法或多数原则与加权算法相结合中任一方式，从所述至少两种识别结果中确定最终识别结果后，再输出。

需要说明的是，识别处理模块的具体实现可以参见图2和图3所示的应用场景，对语音识别结果进行判决可以通过图中的信息判决器实现。

在本发明的一个实施例中，信息识别模块41中的语音识别支路采用基于统计的隐含马尔可夫模型识别和训练算法来实现。

需要说明的是，本发明实施例是基于图1所示的方法实施例获得的，在本发明实施例中涉及的各功能模块与图1方法实施例中各步骤涉及的具体技术方案相对应，具体请参见上述图1方法实施例。

有上述本发明实施例记载的技术方案可知，一个语音识别系统性能好坏的关键取决于采用的语音模型能否真实地反映话音的物理变化规律，由于语音信号具有多样性和复杂性，本发明采用多于一条的语音识别支路同时对输入语音进行识别，尽可能的避免给用户带来重复性选择的问题，提高了用户体验，同时当识别结果错误或不一致时能够通过及时提醒或通过计算的方式来确定最终的识别结果，很大程度上保证了识别结果的准确性，避免了由于识别结果错误产生的误操作。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种语音识别方法，其特征在于，包括：

通过至少两条语音识别支路识别输入语音；

在确定从所述语音识别支路获得的至少两种语音识别结果一致时，输出所述识别结果。

2.根据权利要求1所述的方法，其特征在于，所述通过至少两条语音识别支路识别输入语音，包括：

获取输入语音信号；

分别通过至少两条语音识别支路对所述语音信号进行识别后，存储所述语音识别支路产生的至少两种语音识别结果。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在确定从所述语音识别支路获得的至少两种语音识别结果不一致时，提示用户重新输入语音信号。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在确定从所述语音识别支路获得的至少两种语音识别结果不一致时，根据多数原则、加权算法或多数原则与加权算法相结合中任一方式，从所述至少两种语音识别结果中确定最终识别结果后，再输出。

5.根据权利要求1-4中任一所述的方法，其特征在于，所述语音识别支路采用基于统计的隐含马尔可夫模型识别和训练算法来实现。

6.一种语音识别装置，其特征在于，包括：

信息识别模块，用于通过至少两条语音识别支路识别输入语音；

识别处理模块，用于在确定从所述信息识别模块中获得的至少两种语音识别结果一致时，输出所述识别结果。

7.根据权利要求6所述的装置，其特征在于，所述信息识别模块具体包括：

信息获取单元，用于获取输入语音信号；

语音识别单元，用于分别通过至少两条语音识别支路对所述信息获取模块获取的所述语音信号进行识别后，存储所述语音识别支路产生的至少两种语音识别结果。

8.根据权利要求6所述的装置，其特征在于，所述识别处理模块还用于：在确定从所述语音识别支路获得的至少两种语音识别结果不一致时，提示用户重新输入语音信号。

9.根据权利要求6所述的装置，其特征在于，所述识别处理模块还用于：在确定从所述语音识别支路获得的至少两种语音识别结果不一致时，根据多数原则、加权算法或多数原则与加权算法相结合中任一方式，从所述至少两种语音识别结果中确定最终识别结果后，再输出。

10.根据权利要求6-9中任一所述的装置，其特征在于，所述信息识别模块中的语音识别支路采用基于统计的隐含马尔可夫模型识别和训练算法来实现。

Images