CN105118508B - 语音识别方法和装置 - Google Patents

Abstract

本发明提出一种语音识别方法和装置。其中所述方法包括以下步骤：移动终端接收语音指令，并获取移动终端的第一网络信号的强度；当第一网络信号的强度不小于预设阈值时，移动终端将语音指令发送至云端服务器，并获取移动终端的第二网络信号强度；当第二网络信号的强度小于预设阈值时，移动终端比较语音指令和移动终端中预存的语音指令是否匹配；如果语音指令和移动终端中预存的语音指令匹配，则移动终端根据预存的语音指令输出第一语音识别结果。本发明实施例的语音识别方法保证了移动终端在任何网络状态下均能快速、准确识别用户的语音指令。

Description

语音识别方法和装置

技术领域

本发明涉及语音识别技术领域，尤其涉及一种语音识别方法以及一种语音识别装置。

背景技术

随着移动终端设备的快速发展，语音识别系统在移动终端上的应用也越来越普及。例如，用户在驾驶车辆行驶过程中，不允许手持使用手机(例如接听或拨打电话)时，或者用户在使用车载导航时，目的地的输入操作比较复杂时，通常会采用语音的方式控制手机或者车载导航。

现有的语音识别系统包括在线语音识别系统和离线语音识别系统，在有网络的情况下使用在线语音识别系统，而在没有网络的情况下使用离线语音识别系统。然而目前存在的问题是，用户在使用移动终端的过程中，网络状态不会保证一直良好，使用在线语音识别系统时，会由于网络状态不好的原因导致在线语音识别过程中数据包的丢失，最终无法反馈识别结果。而使用离线语音识别系统时，如果用户不按照预先设定的语法进行语音输入，系统便不能给出正确的识别和解析结果。进而，由于语音指令是控制移动终端设备的入口，无法获取识别结果或者无法获取正确的识别结果都会导致后续的对移动终端的控制动作不能完成，导致当前用户语音指令的去请求失败，因此不管优先使用在线语音识别系统或者离线语音识别系统，都有可能会导致用户体验上的延迟，用户的体验不好。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种语音识别方法，该方法能够同时解决离线语音识别系统因用户发出的语音指令不在预先设定的语音指令的情况下的识别问题，以及在线语音识别系统因网络信号不好而导致的无法返回语音识别结果的问题，从而保证了移动终端在任何网络状态下均能快速、准确识别用户的语音指令，提高了用户使用体验。

本发明的第二个目的在于提出一种语音识别装置。

为达上述目的，本发明第一方面实施例提出了一种语音识别方法，包括以下步骤：移动终端接收语音指令，并获取所述移动终端的第一网络信号的强度；当所述第一网络信号的强度不小于预设阈值时，所述移动终端将所述语音指令发送至云端服务器，并获取所述移动终端的第二网络信号强度；当所述第二网络信号的强度小于预设阈值时，所述移动终端比较所述语音指令和所述移动终端中预存的语音指令是否匹配；以及如果所述语音指令和所述移动终端中预存的语音指令匹配，则所述移动终端根据所述预存的语音指令输出第一语音识别结果。

本发明实施例的语音识别方法，在移动终端的网络状态良好时，优先使用在线语音识别系统对用户输入的语音指令进行识别，并在移动终端的网络状态变差或者网络连接超时，转入离线语音系统继续对语音指令进行识别，能够同时解决离线语音识别系统因用户发出的语音指令不在预先设定的语音指令的情况下的识别问题，以及在线语音识别系统因网络信号不好而导致的无法返回语音识别结果的问题，从而保证了移动终端在任何网络状态下均能快速、准确识别用户的语音指令，提高了用户使用体验。

为达上述目的，本发明第二方面实施例提出了一种语音识别装置，接收模块，用于移动终端接收语音指令；第一获取模块，用于获取所述移动终端的第一网络信号的强度；发送模块，用于在所述第一网络信号的强度不小于预设阈值时，将所述语音指令发送至云端服务器；第二获取模块，用于获取所述移动终端的第二网络信号强度；比较模块，用于在所述第二网络信号的强度小于预设阈值时，比较所述语音指令和所述移动终端中预存的语音指令是否匹配；以及第一输出模块，用于在所述语音指令和所述移动终端中预存的语音指令匹配时，根据所述预存的语音指令输出第一语音识别结果。

本发明实施例的语音识别装置，在移动终端的网络状态良好时，优先使用在线语音识别系统对用户输入的语音指令进行识别，并在移动终端的网络状态变差或者网络连接超时，转入离线语音系统继续对语音指令进行识别，能够同时解决离线语音识别系统因用户发出的语音指令不在预先设定的语音指令的情况下的识别问题，以及在线语音识别系统因网络信号不好而导致的无法返回语音识别结果的问题，从而保证了移动终端在任何网络状态下均能快速、准确识别用户的语音指令，提高了用户使用体验。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明一个实施例的语音识别方法的流程图；

图2是本发明一个具体实施例的语音识别方法的流程图；

图3是本发明另一个具体实施例的语音识别方法的流程图；

图4是本发明一个实施例的语音识别方法的结构示意图；

图5是本发明一个具体实施例的语音识别方法的结构示意图；

图6是本发明另一个具体实施例的语音识别方法的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

下面参考附图描述根据本发明实施例的语音识别方法和装置。

一种语音识别方法，包括以下步骤：a、移动终端接收语音指令，并获取移动终端的第一网络信号的强度；b、当第一网络信号的强度不小于预设阈值时，移动终端将语音指令发送至云端服务器，并获取移动终端的第二网络信号强度；c、当第二网络信号的强度小于预设阈值时，移动终端比较语音指令和移动终端中预存的语音指令是否匹配；以及d、如果语音指令和移动终端中预存的语音指令匹配，则移动终端根据预存的语音指令输出第一语音识别结果。

图1是本发明一个实施例的语音识别方法的流程图。

如图1所示，语音识别方法包括以下步骤：

S101，移动终端接收语音指令，并获取移动终端的第一网络信号的强度。其中，移动终端可以为导航设备、车载娱乐设备、手机以及平板电脑等。

S102，移动终端判断第一网络信号的强度是否不小于预设阈值。其中，预设阈值可以根据实际情况进行标定，也就是说，该预设阈值可以作为判断移动终端网络状态好坏的标准，当移动终端的网络信号的强度大于或者等于该预设阈值时，判断移动终端的网络状态良好，反之则判断移动终端的网络状态不好。例如，移动终端根据第一网络信号强度可以判断出当前网络状态为4G网络、3G网络或者2G网络。

S103，如果判断第一网络信号的强度不小于预设阈值，则移动终端将语音指令发送至云端服务器，并获取移动终端的第二网络信号强度。

具体地，当移动终端接收到用户的语音指令后，移动终端根据移动终端的第一网络信号判断移动终端的当前网络状态是否良好，如果移动终端的当前网络状态良好，例如当前网络为4G网络或者3G网络，则移动终端优先使用在线语音识别系统，即移动终端将语音指令发送至云端服务器，通过云端服务器对语音指令进行识别。其中，云端服务器解析语音指令并生成语音识别结果的方式可以采用现有的方式实现，此处不再复赘。

进而，在移动终端将语音指令发送给云端服务器进行识别的过程中，移动终端实时获取移动终端的第二网络信号强度，并根据第二网络信号强度判断移动终端的当前网络状态是否改变，例如网络连接是否超时。

S104，移动终端判断第二网络信号的强度是否小于预设阈值。

S105，如果判断第二网络信号的强度小于预设阈值，则移动终端比较语音指令和移动终端中预存的语音指令是否匹配。

具体地，如果移动终端的当前网络状态比较差或者网络连接超时，例如当前网络为2G网络或者无网络，则移动终端转为使用离线语音识别系统对语音指令进行识别，即在移动终端本地对语音指令进行识别。。

S106，如果语音指令和移动终端中预存的语音指令匹配，则移动终端根据预存的语音指令输出第一语音识别结果。

具体地，预存的语音指令可以是移动终端系统中默认的，也可以是用户在移动终端系统中设置的，每个预存的语音指令分别对应一个唯一的预定义指令，以使移动终端根据该预定义指令进行后续的动作。移动终端通过比较语音指令和预存的语音指令是否匹配来判断语音指令是否为预定义指令，并在语音指令和预存的语音指令匹配的情况下，根据预定义的语音指令输出第一语音识别结果。例如，当用户发出“接听来电”的语音指令，移动终端输出接听电话的控制指令，以自动接通来电。

本发明实施例的语音识别方法，在移动终端的网络状态良好时，优先使用在线语音识别系统对用户输入的语音指令进行识别，并在移动终端的网络状态变差或者网络连接超时，转入离线语音系统继续对语音指令进行识别，能够同时解决离线语音识别系统因用户发出的语音指令不在预先设定的语音指令的情况下的识别问题，以及在线语音识别系统因网络信号不好而导致的无法返回语音识别结果的问题，从而保证了移动终端在任何网络状态下均能快速、准确识别用户的语音指令，提高了用户使用体验。

图2是本发明一个具体实施例的语音识别方法的流程图。

如图2所示，语音识别方法包括以下步骤：

S201，移动终端接收语音指令，并获取移动终端的第一网络信号的强度。其中，移动终端可以为导航设备、车载娱乐设备、手机以及平板电脑等。

S202，移动终端判断第一网络信号的强度是否不小于预设阈值。

S203，如果判断第一网络信号的强度不小于预设阈值，则移动终端将语音指令发送至云端服务器，并获取移动终端的第二网络信号强度。

S204，移动终端判断第二网络信号的强度是否小于预设阈值。

S205，如果判断第二网络信号的强度小于预设阈值，则移动终端比较语音指令和移动终端中预存的语音指令是否匹配。

S206，如果语音指令和移动终端中预存的语音指令匹配，则移动终端根据预存的语音指令输出第一语音识别结果。

S207，如果语音指令和移动终端中预存的语音指令不匹配，则移动终端对语音指令进行文本转换以获取语音指令对应的文本信息。

具体地，如果移动终端判断语音指令和预存的语音指令不匹配，即判断语音指令不为预定义指令时，则移动终端对语音指令进行文本转换以获取语音指令对应的文本信息。应当理解的是，由于文本信息的传输流量极少，仅有几个字节，即使移动终端在2G网络下也可以有比较快的传输速度。因此，即使在网络信号的强度很低的情况下，移动终端也可以在本地对语音指令进行文本信息的识别后再将其发送至云端服务器，通过云端服务器进行语音指令进行在线语义的解析和识别。

应当理解的是，如果移动终端判断当前网络连接状态为未连网，则输出最终的识别结果，即输入未成功识别语音指令的结果。

S208，移动终端将文本信息发送至云端服务器。S209，移动终端接收云端服务器对文本信息识别后的第二语音识别结果。

具体地，云端服务器在接收到语音指令对应的文本信息后，对文本信息进行在线语义的解析和识别，将识别后的第二语音识别结果返回至移动终端。

本发明实施例的语音识别方法，移动终端在本地对语音指令进行识别时，如果未找到与语音指令匹配的预定义指令，则可以在本地对语音指令进行文本信息的转换，并将文本信息发送至云端服务器进行解析识别，从而可以输出更加准确的语音识别结果，进一步提升用户的使用体验。

图3是本发明另一个具体实施例的语音识别方法的流程图。

如图3所示，语音识别方法包括以下步骤：

S301，移动终端接收语音指令，并获取移动终端的第一网络信号的强度。其中，移动终端可以为导航设备、车载娱乐设备、手机以及平板电脑等。

S302，移动终端判断第一网络信号的强度是否不小于预设阈值。

S303，如果判断第一网络信号的强度不小于预设阈值，则移动终端将语音指令发送至云端服务器，并获取移动终端的第二网络信号强度。

S304，移动终端判断第二网络信号的强度是否小于预设阈值。

S305，如果判断第二网络信号的强度不小于预设阈值，则移动终端接收云端服务器对语音指令识别后的第三语音识别结果。其中，云端服务器对语音指令的语义进行分析以获得第三语音识别结果。

具体地，云端服务器在接收到语音指令后，对语音指令进行语义分析，从而获取到用户的意图，根据语义分析结果获取到对应的第三语音识别结果，并将第三语音识别结果返回至移动终端。

S306，如果判断第二网络信号的强度小于预设阈值，则移动终端比较语音指令和移动终端中预存的语音指令是否匹配。

S307，如果语音指令和移动终端中预存的语音指令匹配，则移动终端根据预存的语音指令输出第一语音识别结果。

S308，如果语音指令和移动终端中预存的语音指令不匹配，则移动终端对语音指令进行文本转换以获取语音指令对应的文本信息。

S309，移动终端将文本信息发送至云端服务器。

S310，移动终端接收云端服务器对文本信息识别后的第二语音识别结果。

本发明实施例的语音识别方法，在移动终端的网络状态良好时，优先使用在线语音识别系统对用户输入的语音指令进行识别，通过云端服务器对语音指令进行分析以获得最终的语音识别结果，从而避免了使用离线语音识别系统对语音指令无法识别，不能获取正确的语音识别结果的问题。

本发明实施例的语音识别方法，构建了一个全网路环境都能够正常识别用户语音指令的语音识别系统，从而保证了移动终端在任何网络状态下，都能够快速、准确的返回语音指令的识别结果。

图4是本发明一个实施例的语音识别装置的结构示意图。

如图4所示，语音识别装置包括：接收模块10、第一获取模块20、发送模块30、第二获取模块40、比较模块50和第一输出模块60。

具体地，接收模块10用于接收语音指令。

第一获取模块20用于获取移动终端的第一网络信号的强度。其中，移动终端可以为导航设备、车载娱乐设备、手机以及平板电脑等。

发送模块30用于在第一网络信号的强度不小于预设阈值时，将语音指令发送至云端服务器。其中，预设阈值可以根据实际情况进行标定，也就是说，该预设阈值可以作为判断移动终端网络状态好坏的标准，当移动终端的网络信号的强度大于或者等于该预设阈值时，判断移动终端的网络状态良好，反之则判断移动终端的网络状态不好。例如，移动终端根据第一网络信号强度可以判断出当前网络状态为4G网络、3G网络或者2G网络。

具体而言，当接收模块10接收到用户的语音指令后，根据移动终端的第一网络信号判断移动终端的当前网络状态是否良好，如果移动终端的当前网络状态良好，例如当前网络为4G网络或者3G网络，则移动终端优先使用在线语音识别系统，即发送模块30将语音指令发送至云端服务器，通过云端服务器对语音指令进行识别。

第二获取模块40用于获取移动终端的第二网络信号强度。具体而言，在发送模块30将语音指令发送给云端服务器进行识别的过程中，第二获取模块40实时获取移动终端的第二网络信号强度，并根据第二网络信号强度判断移动终端的当前网络状态是否改变，例如网络连接是否超时。

比较模块50用于在第二网络信号的强度小于预设阈值时，比较语音指令和移动终端中预存的语音指令是否匹配。具体而言，如果移动终端的当前网络状态比较差或者网络连接超时，例如当前网络为2G网络或者无网络，则移动终端转为使用离线语音识别系统对语音指令进行识别，即在移动终端本地对语音指令进行识别。

第一输出模块60用于在语音指令和移动终端中预存的语音指令匹配时，根据预存的语音指令输出第一语音识别结果。

其中，预存的语音指令可以是移动终端系统中默认的，也可以是用户在移动终端系统中设置的，每个预存的语音指令分别对应一个唯一的预定义指令，以使移动终端根据该预定义指令进行后续的动作。比较模块50通过比较语音指令和预存的语音指令是否匹配来判断语音指令是否为预定义指令，并在语音指令和预存的语音指令匹配的情况下，第一输出模块60根据预定义的语音指令输出第一语音识别结果。例如，当用户发出“接听来电”的语音指令，第一输出模块60输出接听电话的控制指令，以自动接通来电。

本发明实施例的语音识别装置，在移动终端的网络状态良好时，优先使用在线语音识别系统对用户输入的语音指令进行识别，并在移动终端的网络状态变差或者网络连接超时，转入离线语音系统继续对语音指令进行识别，能够同时解决离线语音识别系统因用户发出的语音指令不在预先设定的语音指令的情况下的识别问题，以及在线语音识别系统因网络信号不好而导致的无法返回语音识别结果的问题，从而保证了移动终端在任何网络状态下均能快速、准确识别用户的语音指令，提高了用户使用体验。

图5是本发明一个具体实施例的语音识别装置的结构示意图。

如图5所示，语音识别装置包括：接收模块10、第一获取模块20、发送模块30、第二获取模块40、比较模块50、第一输出模块60、转换模块70和第一接收模块80。

具体地，转换模块70用于在比较模块50比较语音指令和移动终端中预存的语音指令不匹配时，对语音指令进行文本转换以获取语音指令对应的文本信息。发送模块30还用于将文本信息发送至云端服务器。具体而言，如果移动终端判断语音指令和预存的语音指令不匹配，即判断语音指令不为预定义指令时，则转换模块70对语音指令进行文本转换以获取语音指令对应的文本信息。应当理解的是，由于文本信息的传输流量极少，仅有几个字节，即使移动终端在2G网络下也可以有比较快的传输速度。因此，即使在网络信号的强度很低的情况下，转换模块70也可以在本地对语音指令进行文本信息的识别后再由发送模块30将其发送至云端服务器，通过云端服务器进行语音指令进行在线语义的解析和识别。

第一接收模块80用于接收云端服务器对文本信息识别后的第二语音识别结果。具体而言，云端服务器在接收到语音指令对应的文本信息后，对文本信息进行在线语义的解析和识别，将识别后的第二语音识别结果返回至第一接收模块80。

本发明实施例的语音识别装置，移动终端在本地对语音指令进行识别时，如果未找到与语音指令匹配的预定义指令，则可以在本地对语音指令进行文本信息的转换，并将文本信息发送至云端服务器进行解析识别，从而可以输出更加准确的语音识别结果，进一步提升用户的使用体验。

图6是本发明另一个具体实施例的语音识别装置的结构示意图。

如图6所示，语音识别装置包括：接收模块10、第一获取模块20、发送模块30、第二获取模块40、比较模块50、第一输出模块60、转换模块70、第一接收模块80和第二接收模块90。

具体地，第二接收模块90用于当第二网络信号的强度小于预设阈值时，接收云端服务器对语音指令识别后的第三语音识别结果。其中，云端服务器对语音指令的语义进行分析以获得第三语音识别结果。具体而言，云端服务器在接收到语音指令后，对语音指令进行语义分析，从而获取到用户的意图，根据语义分析结果获取到对应的第三语音识别结果，并将第三语音识别结果返回至第二接收模块90。

本发明实施例的语音识别装置，在移动终端的网络状态良好时，优先使用在线语音识别系统对用户输入的语音指令进行识别，通过云端服务器对语音指令进行分析以获得最终的语音识别结果，从而避免了使用离线语音识别系统对语音指令无法识别，不能获取正确的语音识别结果的问题。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种语音识别方法，其特征在于，包括以下步骤：

移动终端接收语音指令，并获取所述移动终端的第一网络信号的强度；

当所述第一网络信号的强度不小于预设阈值时，所述移动终端将所述语音指令发送至云端服务器，并获取所述移动终端的第二网络信号强度；

当所述第二网络信号的强度小于预设阈值时，所述移动终端比较所述语音指令和所述移动终端中预存的语音指令是否匹配；

如果所述语音指令和所述移动终端中预存的语音指令匹配，则所述移动终端根据所述预存的语音指令输出第一语音识别结果；

如果所述语音指令和所述移动终端中预存的语音指令不匹配，则所述移动终端对所述语音指令进行文本转换以获取所述语音指令对应的文本信息；以及

所述移动终端将所述文本信息发送至所述云端服务器，并接收所述云端服务器对所述文本信息识别后的第二语音识别结果。

2.如权利要求1所述的语音识别方法，其特征在于，在所述移动终端将所述语音指令发送至云端服务器之后，还包括：

当所述第二网络信号的强度不小于预设阈值时，所述移动终端接收所述云端服务器对所述语音指令识别后的第三语音识别结果。

3.如权利要求2所述的语音识别方法，其特征在于，所述云端服务器对所述语音指令的语义进行分析以获得所述第三语音识别结果。

4.一种语音识别装置，其特征在于，包括

接收模块，用于移动终端接收语音指令；

第一获取模块，用于获取所述移动终端的第一网络信号的强度；

发送模块，用于在所述第一网络信号的强度不小于预设阈值时，将所述语音指令发送至云端服务器；

第二获取模块，用于获取所述移动终端的第二网络信号强度；

比较模块，用于在所述第二网络信号的强度小于预设阈值时，比较所述语音指令和所述移动终端中预存的语音指令是否匹配；

第一输出模块，用于在所述语音指令和所述移动终端中预存的语音指令匹配时，根据所述预存的语音指令输出第一语音识别结果；

转换模块，用于在所述语音指令和所述移动终端中预存的语音指令不匹配时，对所述语音指令进行文本转换以获取所述语音指令对应的文本信息；

所述发送模块还用于将所述文本信息发送至所述云端服务器；

第一接收模块，用于接收所述云端服务器对所述文本信息识别后的第二语音识别结果。

5.如权利要求4所述的语音识别装置，其特征在于，还包括：

第二接收模块，用于当所述第二网络信号的强度不小于预设阈值时，接收所述云端服务器对所述语音指令识别后的第三语音识别结果。

6.如权利要求5所述的语音识别装置，其特征在于，所述云端服务器对所述语音指令的语义进行分析以获得所述第三语音识别结果。