CN102693722A - 一种语音识别的方法、装置及数字电视 - Google Patents

Abstract

本发明适用于语音识别技术领域，提供了一种语音识别的方法、装置及数字电视，所述方法包括：获取当前音频输入设备的设备型号；根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值；按照所述录音增益值调整所述当前音频输入设备输入的声音；提取输入的音频流；对所述音频流进行语音识别，得到语音识别结果。本发明，为不同设备型号的音频输入设备设置不同的录音增益值，通过该录音增益值来调整当前音频输入设备的音量，得到最佳的音频流，然后，对该音频流进行语音识别，解决了之前由于使用某些特定的音频输入设备而导致语音识别率降低的问题。

Description

一种语音识别的方法、装置及数字电视

技术领域

本发明属于语音识别技术领域，尤其涉及一种语音识别的方法、系统及数字电视。

背景技术

语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。

当前智能家电的概念已经深入人心，随着智能家电的普及，很多人性化的功能也随之而来，例如语音识别功能就是目前一个潮流，然而要使用户准确，快捷的使用语音识别功能，必须首先准确的提取音频输入设备输入的音频流，这样才能尽可能准确的得到识别结果，因此输入音频流的准确提取就是语音识别功能是否能被广大用户接受的一个前提。

目前安卓Android语音识别技术的实现方式是：首先通过音频系统的录音功能提取输入语音的音频流，然后将此音频流传送到远端的语音识别数据库，通过远端的语音识别数据库对输入音频流进行匹配，得到识别结果，再将识别结果传送到本地。

然而，Android系统提取音频流的方式是通过Audio系统的录音程序AudioRecorder来实现的，由于Android系统可以兼容多种音频输入设备，而不同的音频输入设备在相同的录音增益下录制到系统中的音频流是不一样的，这样会使得语音识别的效果在使用不同音频输入设备时表现出很大的不同，导致语音识别效率较低。

发明内容

本发明实施例提供了一种语音识别的方法、装置及数字电视，旨在解决现有技术提供的语音识别方法，存在使得语音识别效率较低的问题。

一方面，提供一种语音识别的方法，所述方法包括：

获取当前音频输入设备的设备型号；

根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值；

按照所述录音增益值调整所述当前音频输入设备输入的声音；

提取输入的音频流；

对所述音频流进行语音识别，得到语音识别结果。

另一方面，提供一种语音识别的装置，所述装置包括：

型号获取单元，用于获取当前音频输入设备的设备型号；

增益值获取单元，用于根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值；

声音调整单元，用于按照所述录音增益值调整所述当前音频输入设备输入的声音；

音频流提取单元，用于提取输入的音频流；

语音识别单元，用于对所述音频流进行语音识别，得到语音识别结果。

再一方面，提供一种数字电视，所述数字电视包括如上所述的语音识别的装置。

在本发明实施例中，可以按照预先生成的设备型号与录音增益值之间的映射关系，为不同设备型号的音频输入设备设置不同的录音增益值，通过该录音增益值来调整当前音频输入设备的音量，可以得到最佳的音频流，然后，对该音频流进行语音识别。这样，用户在Android设备上使用多种音频输入设备都可以得到满意的语音识别结果，解决了现有技术语音识别率降低的问题。

附图说明

图1是本发明实施例一提供的语音识别的方法的实现流程图；

图2是本发明实施例二提供的语音识别的方法的实现流程图；

图3是本发明实施例三提供的语音识别的装置的结构框图；

图4是本发明实施例四提供的语音识别的装置的结构框图；

图5是本发明实施例五提供的数字电视的结构框图；

图6是本发明实施例六提供的数字电视的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，获取到当前音频输入设备的设备型号后，即可根据预设的设备型号与录音增益值的映射关系获取到适合当前音频输入设备的录音增益值，再按照该录音增益值调整当前音频输入设备的音量，即可得到最佳的音频流，然后再对该音频流进行语音识别，由于该音频流是得到的最佳音频流，所以，语音识别的效率较高。

以下结合具体实施例对本发明的实现进行详细描述：

实施例一

图1示出了本发明实施例一提供的语音识别的方法的实现流程，该方法可以应用在语音识别的装置中，其中，该语音识别的装置可以为麦克风，其可内置于数字电视中，也可以内置于可以进行音频播放的音视频播放器等Android家电设备中，本发明以数字电视为例来进行说明，详述如下：

在步骤S101中，获取当前音频输入设备的设备型号。

在本实施例中，语音识别的装置首先获取当前音频输入设备的设备型号，具体设备型号可以根据所述音频输入设备的厂商ID和产品ID来确定。

在步骤S102中，根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值。

在本实施例中，预先为不同设备型号的音频输入设备设置不同的录音增益值，当按照该预设的录音增益值调整音频输入设备的声音后，音频输入设备输入的音频流可以达到最佳。比如，对A型号的音频输入设备，设置录音增益值为GainA，对B型号的音频输入设备，设置录音增益值为GainB。当语音识别的装置监测到当前音频输入设备是A型号的音频输入设备后，可以根据预先设置的设备型号与录音增益值之间的映射关系获取到该A型号的音频输入设备对应的录音增益值为GainA，然后按照GainA调整A型号的音频输入设备输入的声音。

在步骤S103中，按照所述录音增益值调整所述当前音频输入设备输入的声音。

在步骤S104中，提取输入的音频流。

在步骤S105中，对所述音频流进行语音识别，得到语音识别结果。

本实施例，获取到当前音频输入设备的设备型号后，即可根据预设的设备型号与录音增益值的映射关系获取到适合当前音频输入设备的录音增益值，再按照该录音增益值调整当前音频输入设备输入的声音，即可得到最佳的音频流，然后再对该音频流进行语音识别，由于该音频流是得到的最佳音频流，所以，语音识别的效果可以达到最佳。本实施例不仅可以提高在Android设备上使用语音识别功能的用户体验，用户在Android设备上使用多种音频输入设备都可以得到满意的识别结果，解决了之前由于使用某些特定的音频输入设备而导致语音识别率降低的问题。

实施例二

图2示出了本发明实施例二提供的语音识别的方法的实现流程，详述如下：

在步骤S201中，预先生成设备型号与录音增益值之间的映射关系。

在本实施例中，由于不同的音频输入设备在相同的录音增益下录制到Android系统中的音频流是不一样的，因此，为了得到最佳的音频流，可以预先为不同型号的音频输入设备设置不同的录音增益值。比如，对A型号的音频输入设备，设置录音增益值为GainA，对B型号的音频输入设备，设置录音增益值为GainB。

在步骤S202中，获取当前音频输入设备的设备信息。

其中，音频输入设备可以为PCI总线接口设备，也可以为USB总线接口设备。在本实施例中，音频输入设备为USB总线接口设备。

当开启语音识别功能后，并且语音识别的装置监测到音频输入设备接入USB总线接口后，首先读取预设目录下的devices文件，从所述devices文件中解析出所述音频输入设备的设备信息，其中，所述音频输入设备的设备信息存储在预设目录的devices文件中。一般Linux系统中预设的目录是/proc/bus/usb（有些版本的Linux系统中预设的目录可能在/proc/bus/input）。

音频识别的装置获取到的设备信息的格式（一个设备的信息）如下：

I:Bus=0003 Vendor=0ac8 Product=3420 Version=01fa

N:Name="Gsou USB2.0 Camera"

P:Phys=usb-mstar-1/button

S:Sysfs=/devices/platform/Mstar-ehci-3.2/usb3/3-1/3-1:1.0/input/input9

U:Uniq=

H:Handlers=kbd event3

B:EV=3

B:KEY=100000000000

具体含义：

I：这行包含设备的身份信息，显示的总线类型Bus是3(表示该设备是USB总线接口设备)、Vendor表示厂商ID、Product表示产品ID、Version表示产品版本。

N：这行包含了设备的名称信息。

P：这行包含了设备的物理信息。

H:这行包含了与设备关联的驱动程序handler drivers。

B:这些行包含了显示设备能力的一些位域(bit field)。

在步骤S203中，从所述设备信息中提取出厂商ID和产品ID，所述厂商ID和产品ID为当前音频输入设备的设备型号。

在本实施例中，语音识别的装置获取到当前音频输入设备的设备信息后，可以从所述设备信息中的I行根据标识Vendor和Product获取到当前音频输入设备的厂商ID和产品ID，根据所述厂商ID和产品ID即可确定所述当前音频输入设备的设备型号。

在步骤S204中，根据预设的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值。

在步骤S205中，按照所述录音增益值调整所述当前音频输入设备输入的声音。

在步骤S206中，提取输入的音频流。

在步骤S207中，对所述音频流进行语音识别，得到语音识别结果。

在本实施例中，步骤S204-S207的执行过程和上述实施例一中的步骤S101-S105的执行过程类似，详情参见上述实施例一的描述。步骤S202-S203是步骤S101的细化步骤，详细的描述了步骤S101的实现过程。

本实施例，先预设设备型号与录音增益值的映射关系，获取到当前音频输入设备的设备型号后，即可根据该映射关系获取到适合当前音频输入设备的录音增益值，再按照该录音增益值调整当前音频输入设备的音量，即可得到最佳的音频流，然后再对该音频流进行语音识别，由于该音频流是得到的最佳音频流，所以，语音识别的效果可以达到最佳。本实施例不仅可以提高在Android设备上使用语音识别功能的用户体验，用户在Android设备上使用多种音频输入设备都可以得到满意的识别结果，解决了现有技术语音识别率降低的问题。

实施例三

图3示出了本发明实施例三提供的语音识别的装置的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。该语音识别的装置可以是内置于Android设备的软件单元、硬件单元或者软硬件结合的单元，在本实施例中，该Android设备是数字电视，该语音识别的装置包括：型号获取单元31、增益值获取单元32、音量调整单元33、音频流提取单元34和语音识别单元35。

其中，型号获取单元31，用于获取当前音频输入设备的设备型号；

增益值获取单元32，用于根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值；

声音调整单元33，用于按照所述录音增益值调整所述当前音频输入设备输入的声音；

音频流提取单元34，用于提取输入的音频流；

语音识别单元35，用于对所述音频流进行语音识别，得到语音识别结果。

本发明实施例提供的语音识别的装置可以应用在前述对应的方法实施例一中，详情参见上述实施例一的描述，在此不再赘述。

实施例四

图4示出了本发明实施例四提供的语音识别的装置的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。该语音识别的装置可以是内置于Android设备的软件单元、硬件单元或者软硬件结合的单元，在本实施例中，该Android设备是数字电视，该语音识别的装置包括：映射关系生成单元41、型号获取单元42、增益值获取单元43、音量调整单元44、音频流提取单元45和语音识别单元46。

其中，映射关系生成单元41，用于预先生成设备型号与录音增益值之间的映射关系。

型号获取单元42，用于获取当前音频输入设备的设备型号；

增益值获取单元43，用于根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值；

声音调整单元44，用于按照所述录音增益值调整所述当前音频输入设备输入的声音；

音频流提取单元45，用于提取输入的音频流；

语音识别单元46，用于对所述音频流进行语音识别，得到语音识别结果。

具体的，所述型号获取单元42包括：设备信息获取模块421、ID提取模块422。

其中，设备信息获取模块421，用于获取当前音频输入设备的设备信息；

ID提取模块422，用于从所述设备信息中提取出厂商ID和产品ID，所述厂商ID和产品ID为当前音频输入设备的设备型号。

具体的，所述设备信息获取模块421包括：文件读取子模块和文件解析子模块。

其中，文件读取子模块，用于读取预设目录下的devices文件；

文件解析子模块，用于从所述devices文件中解析出所述音频输入设备的设备信息。

本发明实施例提供的语音识别的装置可以应用在前述对应的方法实施例二中，详情参见上述实施例二的描述，在此不再赘述。

实施例五

图5示出了本发明实施例五提供的数字电视的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。所述数字电视包括语音识别的装置5，所述语音识别的装置5包括：型号获取单元51、增益值获取单元52、音量调整单元53、音频流提取单元54和语音识别单元55。

其中，型号获取单元51，用于获取当前音频输入设备的设备型号；

增益值获取单元52，用于根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值；

声音调整单元53，用于按照所述录音增益值调整所述当前音频输入设备输入的声音；

音频流提取单元54，用于提取输入的音频流；

语音识别单元55，用于对所述音频流进行语音识别，得到语音识别结果。

本发明实施例提供的数字电视可以应用在前述对应的方法实施例一中，详情参见上述实施例一的描述，在此不再赘述。

实施例六

图6示出了本发明实施例六提供的数字电视的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。所述数字电视包括语音识别的装置6，所述语音识别的装置6包括：映射关系生成单元61、型号获取单元62、增益值获取单元63、音量调整单元64、音频流提取单元65和语音识别单元66。

其中，映射关系生成单元61，用于预先生成设备型号与录音增益值之间的映射关系。

型号获取单元62，用于获取当前音频输入设备的设备型号；

增益值获取单元63，用于根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值；

声音调整单元64，用于按照所述录音增益值调整所述当前音频输入设备输入的声音；

音频流提取单元65，用于提取输入的音频流；

语音识别单元66，用于对所述音频流进行语音识别，得到语音识别结果。

具体的，所述型号获取单元62包括：设备信息获取模块621、ID提取模块622。

其中，设备信息获取模块621，用于获取当前音频输入设备的设备信息；

ID提取模块622，用于从所述设备信息中提取出厂商ID和产品ID，所述厂商ID和产品ID为当前音频输入设备的设备型号。

具体的，所述设备信息获取模块621包括：文件读取子模块和文件解析子模块。

其中，文件读取子模块，用于读取预设目录下的devices文件；

文件解析子模块，用于从所述devices文件中解析出所述音频输入设备的设备信息。

本发明实施例提供的数字电视可以应用在前述对应的方法实施例二中，详情参见上述实施例二的描述，在此不再赘述。

值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。

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作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种语音识别的方法，其特征在于，所述方法包括：

获取当前音频输入设备的设备型号；

根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值；

按照所述录音增益值调整所述当前音频输入设备输入的声音；

提取输入的音频流；

对所述音频流进行语音识别，得到语音识别结果。

2.如权利要求1所述的方法，其特征在于，在所述获取当前音频输入设备的设备型号的步骤之前，所述方法还包括：

预先生成设备型号与录音增益值之间的映射关系。

3.如权利要求1所述的方法，其特征在于，所述获取当前音频输入设备的设备型号包括：

获取当前音频输入设备的设备信息；

从所述设备信息中提取出厂商ID和产品ID，所述厂商ID和产品ID为当前音频输入设备的设备型号。

4.如权利要求1所述的方法，其特征在于，所述获取当前音频输入设备的设备信息包括：

读取预设目录下的devices文件；

从所述devices文件中解析出所述音频输入设备的设备信息。

5.一种语音识别的装置，其特征在于，所述装置包括：

型号获取单元，用于获取当前音频输入设备的设备型号；

增益值获取单元，用于根据预先生成的设备型号与录音增益值之间的映射关系，获取与所述设备型号对应的录音增益值；

声音调整单元，用于按照所述录音增益值调整所述当前音频输入设备输入的声音；

音频流提取单元，用于提取输入的音频流；

语音识别单元，用于对所述音频流进行语音识别，得到语音识别结果。

6.如权利要求5所述的装置，其特征在于，所述装置还包括：

映射关系生成单元，用于预先生成设备型号与录音增益值之间的映射关系。

7.如权利要求5所述的装置，其特征在于，所述型号获取单元包括：

设备信息获取模块，用于获取当前音频输入设备的设备信息；

ID提取模块，用于从所述设备信息中提取出厂商ID和产品ID，所述厂商ID和产品ID为当前音频输入设备的设备型号。

8.如权利要求7所述的装置，其特征在于，所述设备信息获取模块包括：

文件读取子模块，用于读取预设目录下的devices文件；

文件解析子模块，用于从所述devices文件中解析出所述音频输入设备的设备信息。

9.一种数字电视，其特征在于，所述数字电视包括如权利要求5至8任意一项所述的语音识别的装置。

Images