CN110619879A - 一种语音识别的方法及装置 - Google Patents
一种语音识别的方法及装置 Download PDFInfo
- Publication number
- CN110619879A CN110619879A CN201910807084.2A CN201910807084A CN110619879A CN 110619879 A CN110619879 A CN 110619879A CN 201910807084 A CN201910807084 A CN 201910807084A CN 110619879 A CN110619879 A CN 110619879A
- Authority
- CN
- China
- Prior art keywords
- pinyin
- content
- character
- chinese character
- stored database
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 24
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 14
- 230000006870 function Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- 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
- G10L15/26—Speech to text systems
-
- 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
- G10L2015/221—Announcement of recognition results
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Machine Translation (AREA)
Abstract
本申请适用于语音识别技术领域,提供了一种语音识别的方法及装置,包括:获取待识别语音对应的第一文字内容;将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;当检索到第一相同内容时,则将所述第一文字内容作为输出结果;当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索。本申请通过上述方式实现对语音识别结果进行二次检索处理,提高了语音识别技术的识别率。
Description
技术领域
本申请属于语音识别技术领域,尤其涉及一种语音识别的方法及装置、计算机可读存储介质。
背景技术
语音识别技术,也被称为自动语音识别(Automatic Speech Recognition,ASR),其目标是将人类的语音中的词汇内容转换为计算机可读的输入,例如按键、二进制编码或者字符序列。然而由于语音识别结果的准确性受限于多种因素影响,比如每个人的发音口音、环境噪音等,因此针对语音识别结果的纠错与匹配是一项重要研究方向。目前语音识别技术针对语音识别结果的准确性改善的技术主攻方向是对识别的算法进行技术升级,达到更高的识别能力,而通过算法进行识别率提高的空间有限,导致现有的语音识别技术的识别率依然偏低。
发明内容
有鉴于此,本申请实施例提供了一种语音识别的方法及装置,可以解决通过算法提升语音识别率偏低的技术问题。
本申请实施例的第一方面提供了一种语音识别的方法,包括:
获取待识别语音对应的第一文字内容;
将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;
当检索到第一相同内容时,则将所述第一文字内容作为输出结果;
当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音,或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索,所述易混拼音包括平翘舌声母,和/或前后鼻音韵母;
当根据所述第二拼音或所述第三拼音检索得到第二相同内容,则将所述第二相同内容作为输出结果;
当根据所述第二拼音和/或所述第三拼音未检索得到第二相同内容,则将所述第一文字内容作为输出结果。
本申请实施例的第二方面提供了一种语音识别的装置,包括:
获取单元,用于获取待识别语音对应的第一文字内容;
检索单元,用于将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;当检索到第一相同内容时,则将所述第一文字内容作为输出结果;当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音,或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索,所述易混拼音包括平翘舌声母,和/或前后鼻音韵母;当根据所述第二拼音或所述第三拼音检索得到第二相同内容,则将所述第二相同内容作为输出结果;当根据所述第二拼音和/或所述第三拼音未检索得到第二相同内容,则将所述第一文字内容作为输出结果。
本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:在本申请中,通过获取待识别语音对应的第一文字内容;将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;当检索到第一相同内容时,则将所述第一文字内容作为输出结果;当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索。通过上述方式实现对语音识别结果进行二次检索处理,提高了语音识别技术的识别率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳的前提下,还可以根据这些附图获得其他的附图。
图1示出的是与本申请实施例提供的手机的部分结构的框图;
图2是本申请实施例的手机100的软件结构示意图;
图3示出了本申请提供的一种语音识别的方法的示意性流程图;
图4示出了本申请提供的一种语音识别的方法中步骤302的示意性流程图;
图5示出了本申请提供的一种语音识别的方法中步骤304的示意性流程图;
图6示出了本申请提供的另一种语音识别的方法的示意性流程图;
图7示出了本申请提供的另一种语音识别的方法的示意性流程图;
图8示出了本申请实施例提供的一种语音识别的装置的示意图;
图9为本申请一实施例提供的一种语音识别的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的一种语音识别的方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
例如,所述终端设备可以是WLAN中的站点(STAION,ST),可以是蜂窝电话、无绳电话、会话启动协议(Session InitiationProtocol,SIP)电话、无线本地环路(WirelessLocal Loop,WLL)站、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、车联网终端、电脑、膝上型计算机、手持式通信设备、手持式计算设备、卫星无线设备、无线调制解调器卡、电视机顶盒(set top box,STB)、用户驻地设备(customer premise equipment,CPE)和/或用于在无线系统上进行通信的其它设备以及下一代通信系统,例如,5G网络中的移动终端或者未来演进的公共陆地移动网络(PublicLand Mobile Network,PLMN)网络中的移动终端等。
作为示例而非限定,当所述终端设备为可穿戴设备时,该可穿戴设备还可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称,如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能,如智能手表或智能眼镜等,以及只专注于某一类应用功能,需要和其它设备如智能手机配合使用,如各类进行体征监测的智能手环、智能首饰等。
以所述终端设备为手机为例。图1示出的是与本申请实施例提供的手机的部分结构的框图。参考图1,手机包括:射频(Radio Frequency,RF)电路110、存储器120、输入单元130、显示单元140、传感器150、音频电路160、无线保真(wireless fidelity,WiFi)模块170、处理器180、以及电源190等部件。本领域技术人员可以理解,图1中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图1对手机的各个构成部件进行具体的介绍:
RF电路110可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器180处理;另外,将设计上行的数据发送给基站。通常,RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier,LNA)、双工器等。此外,RF电路110还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(GlobalSystem of Mobile communication,GSM)、通用分组无线服务(General Packet RadioService,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE))、电子邮件、短消息服务(Short Messaging Service,SMS)等。
存储器120可用于存储软件程序以及模块,处理器180通过运行存储在存储器120的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器120可主要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系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元130可用于接收输入的数字或字符信息,以及产生与手机100的用户设置以及功能控制有关的键信号输入。具体地,输入单元130可包括触控面板131以及其他输入设备132。触控面板131,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板131上或在触控面板131附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板131可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器180,并能接收处理器180发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板131。除了触控面板131,输入单元130还可以包括其他输入设备132。具体地,其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元140可包括显示面板141,可选的,可以采用液晶显示器(Liquid CrystalDisplay,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板141。进一步的,触控面板131可覆盖显示面板141,当触控面板131检测到在其上或附近的触摸操作后,传送给处理器180以确定触摸事件的类型,随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图1中,触控面板131与显示面板141是作为两个独立的部件来实现手机的输入和输入功能,但是在某些实施例中,可以将触控面板131与显示面板141集成而实现手机的输入和输出功能。
手机100还可包括至少一种传感器150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板141的亮度,接近传感器可在手机移动到耳边时,关闭显示面板141和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路160、扬声器161,传声器162可提供用户与手机之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号,传输到扬声器161,由扬声器161转换为声音信号输出;另一方面,传声器162将收集的声音信号转换为电信号,由音频电路160接收后转换为音频数据,再将音频数据输出处理器180处理后,经RF电路110以发送给比如另一手机,或者将音频数据输出至存储器120以便进一步处理。
处理器180是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器120内的软件程序和/或模块,以及调用存储在存储器120内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器180可包括一个或多个处理单元;优选的,处理器180可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器180中。
手机100还包括给各个部件供电的电源190(比如电池),优选的,电源可以通过电源管理系统与处理器180逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
图2是本申请实施例的手机100的软件结构示意图。以手机100操作系统为Android系统为例,在一些实施例中,将Android系统分为四层,分别为应用程序层、应用程序框架层(framework,FWK)、系统层以及硬件抽象层,层与层之间通过软件接口通信。
如图2所示,所述应用程序层可以一系列应用程序包,应用程序包可以包括短信息,日历,相机,视频,导航,图库,通话等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层可以包括一些预先定义的函数,例如用于接收应用程序框架层所发送的事件的函数。
如图2所示,应用程序框架层可以包括窗口管理器、资源管理器以及通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
应用程序框架层还可以包括:
视图系统,所述视图系统包括可视控件,例如显示文字的控件,显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如,包括短信通知图标的显示界面,可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供手机100的通信功能。例如通话状态的管理(包括接通,挂断等)。
系统层可以包括多个功能模块。例如:传感器服务模块,物理状态识别模块,三维图形处理库(例如:OpenGL ES)等。
传感器服务模块,用于对硬件层各类传感器上传的传感器数据进行监测,确定手机100的物理状态;
物理状态识别模块,用于对用户手势、人脸等进行分析和识别;
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
应用于上述硬件环境下的传统语音识别技术针对语音识别结果的准确性改善的技术主攻方向是对识别的算法进行技术升级,达到更高的识别能力,而通过算法进行识别率提高的空间有限,导致现有的语音识别技术的识别率依然偏低。为了解决上述技术问题,本申请提出了一种语音识别的方法,请参见图3,图3示出了本申请提供的一种语音识别的方法的示意性流程图,作为示例而非限定,该方法可以应用于上述的手机100中。
步骤301,获取待识别语音对应的第一文字内容。
通过当前设备的语音转换功能,将语音信息转换为所述第一文字内容或通过其他设备将所述待识别语音转换后的所述第一文字内容传输至当前设备。若所述第一文字内容中包括非汉字信息,则不做注音处理,直接作为所述第一文字内容中对应的最终输出结果,例如:用户输入信息为“1234”,则将上述“1234”,直接作为最终输出结果,当用户输入信息为“地上有1个苹果”,则对其中汉字“地上有个苹果”进行检索,当检索完成后将非汉字字符拼接至上述汉字中。所述非汉字信息包括字母和数字、阿拉伯文等等。
步骤302,将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索。
根据汉语拼音对所述第一文字内容中包含的汉字字符进行注音。所述汉语拼音共有63个,包括23个声母和24个韵母,所述韵母包括6个单韵母,9个复韵母,5个前鼻韵母,4个后鼻韵母,以及16个整体认读。当得到所述第一拼音后,根据所述第一拼音在预存数据库中进行检索。
在检索前还需要对所述预存数据库进行版本核对,版本核对结果为不一致,则更新至最新版本,若版本核对结果为一致,则根据所述第一拼音在预存数据库中进行检索。所述预存数据库中存储有文字内容以及文字内容对应的拼音,检索过程为:根据所述第一拼音检索相匹配的预存拼音,提取所述预存拼音对应的文字内容作为最终结果。其中,所述预存数据库的内容包括汉语词语或汉语语句、段落等等。根据所述第一拼音进行检索,可以是根据所述第一拼音进行逐字检索,也可根据所述第一拼音中具有标识性的部分语句或词语进行检索。
具体地,所述根据所述第一拼音在预存数据库中进行检索,包括如下步骤,请参见图4,图4示出了本申请提供的一种语音识别的方法中步骤302的示意性流程图,作为示例而非限定,该方法可以应用于上述手机100中。
步骤3021,提取所述第一拼音中首位汉字的第五拼音,根据所述第一拼音中首位汉字的第五拼音在预存数据库进行检索得到对应的第二匹配内容。
本实施例通过所述第一拼音中首位汉字在预存数据库进行检索得到对应的第二匹配内容,以减少后续检索范围,提高检索效率。当所述第二匹配内容的数量为单个时,将所述第二匹配内容作为第一相同内容;当所述第二匹配内容的数量为多个时,则执行步骤3022。
步骤3022,根据所述第一拼音的全部拼音在所述第二匹配内容中进行检索。
所述第二匹配内容的检索范围相较于所述预存数据库较小的一个检索范围。
作为本申请的一个实施例,当得到所述第二匹配内容后,也可通过用户触发选择指令,选择对应的输出结果。
具体地,所述根据所述第一拼音在预存数据库中进行检索,包括:
将所述第一拼音进行分词处理得到多个第一子拼音,根据多个所述第一子拼音在预存数据库中分别进行检索得到多个匹配词语,将多个所述匹配词语进行拼接得到检索结果。
当所述预存数据库中包括汉语词语,则可通过将所述第一拼音进行分词处理得到多个所述第一子拼音,根据多个所述第一子拼音在预存数据库中分别进行检索得到多个匹配词语,将多个所述匹配词语进行拼接得到检索结果。例如:所述第一拼音为“jin tiantian qi qing lang”,可将所述第一拼音分解为“jin tian”和“tian qi”、“qing lang”,根据上述多个所述第一子拼音在预存数据库中分别进行检索得到“今天”和“天气”、“晴朗”,将多个所述匹配词语进行拼接得到检索结果为“今天天气晴朗”。
步骤303,当检索到第一相同内容时,则将所第一文字内容作为输出结果。
所述第一相同内容可能为单个也可能为多个。当所述第一相同内容的数量为单个时,则将单个的第一文字内容作为输出结果,当所述第一相同内容的数量为多个时,则根据预设的选取规则选取对应的第一文字内容作为输出结果。所述预设的选择规则可以按照实际匹配的先后顺序或人为选择等等方式,在此不做限定。
步骤304,当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音,或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索,所述易混拼音包括平翘舌声母,和/或前后鼻音韵母,和/或单复韵母。
由于语音识别系统对环境敏感,人类语言在日常生活中的随意性和不确定性给语音识别系统造成极大的误差概率。其中,在汉语文字识别过程中,同一个汉字被不同的环境噪声影响,可能会得到不同的拼音或错误汉字字符。为了避免上述的环境问题,可通过将所述第一拼音中易混的拼音进行替换,以解决环境噪声带来的影响。所述易混拼音是指平翘舌声母,和/或前后鼻音韵母,和/或单复韵母等等,易混是指人体声音感知器官产生的易混现象,例如:zh和z以及n和l的易混拼音。将根据上述易混拼音进行替换后得到所述第二拼音。
通过删除所述第一拼音首位或末位汉字得到第三拼音,根据所述第三拼音在预存数据库中进行检索,以解决句首和句尾错误汉字字符问题。
具体地,所述根据所述第二拼音在预存数据库中进行检索,包括如下步骤,请参见图5,图5示出了本申请提供的一种语音识别的方法中步骤304的示意性流程图,作为示例而非限定,该方法可以应用于上述手机100中。
步骤3041,提取所述第二拼音中首位汉字对应的第四拼音,根据所述第四拼音在预存数据库进行检索得到对应的第一匹配内容。
为了提高检索效率,可根据所述第二拼音中首位汉字对应的第四拼音进行检索,得到对应的第一匹配内容,以减少后续的检索范围。
作为本申请的一个实施例,所述第四拼音可为所述第二拼音中首位汉字全拼拼音或所述第二拼音中首位汉字的声母或韵母在预存数据库进行检索得到对应的第一匹配内容。
具体地,所述提取所述第二拼音中首位汉字对应的第四拼音,根据所述第四拼音在预存数据库进行检索得到对应的第一匹配内容,包括:
提取所述第二拼音中首位汉字对应的第四拼音,当所述第四拼音的声母和韵母均为易混拼音,则将所述第四拼音的声母进行替换,或将所述第四拼音的韵母进行替换,或将所述第四拼音的声母和韵母同时进行替换后,在预存数据库进行检索得到对应的第一匹配内容。
当所述首位汉字对应第四拼音的声母和韵母均为易混拼音,例如:汉字“张”,它的拼音为“zhang”,易混声母为“z”和“zh”,易混韵母为“an”和“ang”。在检索过程中,通过分别替换所述易混声母或所述易混韵母进行检索,即检索内容为“zang”或“zhan”,当检索到对应的第一匹配内容,则进入步骤3042;当未检索到对应的第一匹配内容,则根据所述易混声母和所述易混韵母共同替换后进行检索,即检索内容为“zan”,当检索到对应的第一匹配内容,则进入步骤3042;当未检索到对应的第一匹配内容,将所述预存数据库作为下一步的检索范围。
做为本申请的一个实施例,当所述首位汉字对应第四拼音的拼音为单韵母拼音,例如:汉字“啊、额、按”对应的拼音为“a、e、an”,则仅将所述单韵母拼音进行替换后进行检索。
做为本申请的另一个实施例,当所述首位汉字对应第四拼音的拼音为整体认读拼音,例如:汉字“纸、吃”对应的拼音为“zhi、chi”,则仅将所述整体认读拼音进行替换后进行检索。
步骤3042,根据所述第二拼音在所述第一匹配内容中进行检索。
当得到所述第二拼音,则根据所述第二拼音中的全拼音进行检索。
作为本申请的一个实施例,也可根据所述第二拼音中声母或所述第二拼音韵母进行检索,以提高检索效率。
作为本申请的另一个实施例,可根据所述第二拼音中部分汉字对应的拼音进行检索,所述部分汉字可选取具有标识性的汉字字符。
步骤305,当根据所述第二拼音或所述第三拼音检索得到第二相同内容,则将所述第二相同内容作为输出结果。
当所述第二相同内容的数量为单个时,则将单个的第二相同内容作为输出结果,当所述第二相同内容的数量为多个时,则根据预设的选取规则选取对应的第二相同内容作为输出结果。
步骤306,当根据所述第二拼音和/或所述第三拼音未检索得到第二相同内容,则将所述第一文字内容作为输出结果。
在本实施例中,通过获取待识别语音对应的第一文字内容;将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;当检索到第一相同内容时,则将所述第一文字内容作为输出结果;当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索。通过上述方式实现对语音识别结果进行二次检索处理,提高了语音识别技术的识别率。
可选的,在上述图3所示实施例的基础上,在所述当根据所述第三拼音未检索得到第二相同内容之后,还包括如下步骤,请参见图6,图6示出了本申请提供的另一种语音识别的方法的示意性流程图,作为示例而非限定,该方法可以应用于上述手机100中。其中,本实施例中步骤601和步骤605与上一实施例中步骤301至步骤305相同,具体请参阅上一实施例中步骤301至步骤305的相关描述,此处不赘述。
如图6所示,该方法可以包括如下步骤:
步骤601,获取待识别语音对应的第一文字内容。
步骤602,将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索。
步骤603,当检索到第一相同内容时,则将所述第一文字内容作为输出结果。
步骤604,当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音,或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索,所述易混拼音包括平翘舌声母,和/或前后鼻音韵母。
步骤605,当根据所述第二拼音或所述第三拼音检索得到第二相同内容,则将所述第二相同内容作为输出结果。
步骤606,当根据所述第三拼音未检索得到第二相同内容,将所述第三拼音中易混拼音进行替换得到第六拼音,根据所述第六拼音在预存数据库中进行检索。
其中,所述第六拼音包括将所述第三拼音中声母和/或韵母分别进行替换得到不同拼音内容。
作为本申请的一个实施例,所述第六拼音的检索过程可以为:当根据所述第三拼音中声母或韵母分别进行替换得到所述第六拼音未检索到相应结果时,则根据所述第三拼音中声母和韵母同时进行替换得到所述第六拼音进行检索。
步骤607,当根据所述第二拼音或第六拼音未检索得到第三相同内容时,则将所述第一文字内容作为输出结果。
在本实施例中,通过将所述第三拼音中易混拼音进行替换得到第六拼音,根据所述第六拼音在预存数据库中进行检索。实现了多种检索内容的处理方式,提高了语音识别技术的识别率。
可选的,在上述图3所示实施例的基础上,所述当根据所述第三拼音未检索得到第二相同内容之后,还包括,请参见图7,图7示出了本申请提供的另一种语音识别的方法的示意性流程图,作为示例而非限定,该方法可以应用于上述手机100中。其中,本实施例中步骤701至步骤705与上一实施例中步骤301至步骤305相同,具体请参阅上一实施例中步骤301至步骤305的相关描述,此处不赘述。
步骤701,获取待识别语音对应的第一文字内容。
步骤702,将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索。
步骤703,当检索到第一相同内容时,则将所述第一文字内容作为输出结果。
步骤704,当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音,或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索,所述易混拼音包括平翘舌声母,和/或前后鼻音韵母。
步骤705,当根据所述第二拼音或所述第三拼音检索得到第二相同内容,则将所述第二相同内容作为输出结果。
步骤706,当根据所述第三拼音未检索得到第二相同内容,重复删除上一次的检索内容的首位或末位汉字拼音后进行检索,直至检索到第二相同内容或检索内容中对应的汉字字数少于阈值,其中首次的检索内容为删除首位或末位汉字拼音的所述第三拼音。
当根据所述第三拼音未检索得到第二相同内容,重复删除上一次的检索内容的首位或末位汉字拼音后进行检索,例如:当前检索内容为“今天天气晴朗”,下一次检索内容则为“今天天气晴”,以此类推,直至检索到第二相同内容或检索内容中对应的汉字字数少于阈值。
步骤707,当根据所述第二拼音未检索得到第二相同内容或所述检索内容中对应的汉字字数少于阈值,则将所述第一文字内容作为输出结果。
在本实施例中,通过重复删除上一次的检索内容的首位或末位汉字拼音后进行检索,直至检索到第二相同内容或检索内容中对应的汉字字数少于阈值。实现了多种检索内容的处理方式,提高了语音识别技术的识别率。
如图8本申请提供了一种语音识别的装置8,请参见图8,图8示出了本申请实施例提供的一种语音识别的装置的示意图,如图8所示一种语音识别的装置包括:
获取单元81,用于获取待识别语音对应的第一文字内容;
检索单元82,用于将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;当检索到第一相同内容时,则将所述第一文字内容作为输出结果;当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音,或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索,所述易混拼音包括平翘舌声母,和/或前后鼻音韵母;当根据所述第二拼音或所述第三拼音检索得到第二相同内容,则将所述第二相同内容作为输出结果;当根据所述第二拼音和/或所述第三拼音未检索得到第二相同内容,则将所述第一文字内容作为输出结果。
本申请提供的一种语音识别的装置,通过获取待识别语音对应的第一文字内容;将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;当检索到第一相同内容时,则将所述第一文字内容作为输出结果;当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索。通过上述方式实现对语音识别结果进行二次检索处理,提高了语音识别技术的识别率。
以下实施例可以在具有上述硬件结构/软件结构的手机100上实现。以下实施例将以手机100为例,对本申请实施例提供的一种语音识别的方法进行说明。
图9是本发明一实施例提供的一种终端设备的示意图。如图9所示,该实施例的一种终端设备9包括:处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92,例如一种语音识别的程序。所述处理器90执行所述计算机程序92时实现上述各个一种语音识别的方法实施例中的步骤,例如图1所示的步骤S301至S306。或者,所述处理器90执行所述计算机程序92时实现上述各装置实施例中各单元的功能,例如图8所示单元81至82的功能。
示例性的,所述计算机程序92可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器91中,并由所述处理器90执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序92在所述一种终端设备9中的执行过程。例如,所述计算机程序92可以被分割成获取单元和计算单元各单元具体功能如下:
获取单元,用于获取待识别语音对应的第一文字内容;
检索单元,用于将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;当检索到第一相同内容时,则将所述第一文字内容作为输出结果;当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音,或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索,所述易混拼音包括平翘舌声母,和/或前后鼻音韵母;当根据所述第二拼音或所述第三拼音检索得到第二相同内容,则将所述第二相同内容作为输出结果;当根据所述第二拼音和/或所述第三拼音未检索得到第二相同内容,则将所述第一文字内容作为输出结果。
所述一种终端设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述一种终端设备可包括,但不仅限于,处理器90、存储器91。本领域技术人员可以理解,图9仅仅是一种终端设备9的示例,并不构成对一种终端设备9的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91可以是所述一种终端设备9的内部存储单元,例如一种终端设备9的硬盘或内存。所述存储器91也可以是所述一种终端设备9的外部存储设备,例如所述一种终端设备9上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器91还可以既包括所述一种终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述一种终端设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种语音识别的方法,其特征在于,包括:
获取待识别语音对应的第一文字内容;
将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;
当检索到第一相同内容时,则将所述第一文字内容作为输出结果;
当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音,或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索,所述易混拼音包括平翘舌声母,和/或前后鼻音韵母;
当根据所述第二拼音或所述第三拼音检索得到第二相同内容,则将所述第二相同内容作为输出结果;
当根据所述第二拼音和/或所述第三拼音未检索得到第二相同内容,则将所述第一文字内容作为输出结果。
2.如权利要求1所述的方法,其特征在于,所述根据所述第二拼音在预存数据库中进行检索,包括:
提取所述第二拼音中首位汉字对应的第四拼音,根据所述第四拼音在预存数据库进行检索得到对应的第一匹配内容;
根据所述第二拼音在所述第一匹配内容中进行检索。
3.如权利要求2所述的方法,其特征在于,所述提取所述第二拼音中首位汉字对应的第四拼音,根据所述第四拼音在预存数据库进行检索得到对应的第一匹配内容,包括:
提取所述第二拼音中首位汉字对应的第四拼音,当所述第四拼音的声母和韵母均为易混拼音,则将所述第四拼音的声母进行替换,或将所述第四拼音的韵母进行替换,或将所述第四拼音的声母和韵母同时进行替换后,在预存数据库进行检索得到对应的第一匹配内容。
4.如权利要求1所述的方法,其特征在于,所述根据所述第一拼音在预存数据库中进行检索,包括:
提取所述第一拼音中首位汉字的第五拼音,根据所述第一拼音中首位汉字的第五拼音在预存数据库进行检索得到对应的第二匹配内容;
根据所述第一拼音的全部拼音在所述第二匹配内容中进行检索。
5.如权利要求1所述的方法,其特征在于,所述当根据所述第三拼音未检索得到第二相同内容之后,还包括:
将所述第三拼音中易混拼音进行替换得到第六拼音,根据所述第六拼音在预存数据库中进行检索。
6.如权利要求1所述的方法,其特征在于,所述当根据所述第三拼音未检索得到第二相同内容之后,还包括:
重复删除上一次的检索内容的首位或末位汉字拼音后进行检索,直至检索到第二相同内容或检索内容中对应的汉字字数少于阈值,其中首次的检索内容为删除首位或末位汉字拼音的所述第三拼音。
7.如权利要求1所述的方法,其特征在于,所述将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索,包括:
将所述第一拼音进行分词处理得到多个第一子拼音,根据多个所述第一子拼音在预存数据库中分别进行检索得到多个匹配词语,将多个所述匹配词语进行拼接得到检索结果。
8.一种语音识别的装置,其特征在于,包括:
获取单元,用于获取待识别语音对应的第一文字内容;
检索单元,用于将所述第一文字内容进行注音得到第一拼音,根据所述第一拼音在预存数据库中进行检索;当检索到第一相同内容时,则将所述第一文字内容作为输出结果;当未检索到第一相同内容时,则将所述第一拼音中易混拼音进行替换得到第二拼音,或将所述第一拼音首位或末位汉字的拼音删除得到第三拼音,根据所述第二拼音或第三拼音在预存数据库中进行检索,所述易混拼音包括平翘舌声母,和/或前后鼻音韵母;当根据所述第二拼音或所述第三拼音检索得到第二相同内容,则将所述第二相同内容作为输出结果;当根据所述第二拼音和/或所述第三拼音未检索得到第二相同内容,则将所述第一文字内容作为输出结果。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807084.2A CN110619879A (zh) | 2019-08-29 | 2019-08-29 | 一种语音识别的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807084.2A CN110619879A (zh) | 2019-08-29 | 2019-08-29 | 一种语音识别的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110619879A true CN110619879A (zh) | 2019-12-27 |
Family
ID=68922593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910807084.2A Pending CN110619879A (zh) | 2019-08-29 | 2019-08-29 | 一种语音识别的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619879A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111554297A (zh) * | 2020-05-15 | 2020-08-18 | 北京百度网讯科技有限公司 | 语音识别方法、装置、设备及可读存储介质 |
CN113284499A (zh) * | 2021-05-24 | 2021-08-20 | 湖北亿咖通科技有限公司 | 一种语音指令识别方法及电子设备 |
JP2022105498A (ja) * | 2021-05-25 | 2022-07-14 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 音声認識結果処理方法および装置、電子機器、コンピュータ可読記憶媒体並びにコンピュータプログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254557A (zh) * | 2011-07-04 | 2011-11-23 | 深圳市子栋科技有限公司 | 基于自然语音识别的导航方法和系统 |
US8521539B1 (en) * | 2012-03-26 | 2013-08-27 | Nuance Communications, Inc. | Method for chinese point-of-interest search |
CN104216906A (zh) * | 2013-05-31 | 2014-12-17 | 大陆汽车投资(上海)有限公司 | 语音搜索方法和设备 |
CN107045496A (zh) * | 2017-04-19 | 2017-08-15 | 畅捷通信息技术股份有限公司 | 语音识别后文本的纠错方法及纠错装置 |
CN107301866A (zh) * | 2017-06-23 | 2017-10-27 | 北京百度网讯科技有限公司 | 信息输入方法 |
CN108847241A (zh) * | 2018-06-07 | 2018-11-20 | 平安科技(深圳)有限公司 | 将会议语音识别为文本的方法、电子设备及存储介质 |
-
2019
- 2019-08-29 CN CN201910807084.2A patent/CN110619879A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254557A (zh) * | 2011-07-04 | 2011-11-23 | 深圳市子栋科技有限公司 | 基于自然语音识别的导航方法和系统 |
US8521539B1 (en) * | 2012-03-26 | 2013-08-27 | Nuance Communications, Inc. | Method for chinese point-of-interest search |
CN104216906A (zh) * | 2013-05-31 | 2014-12-17 | 大陆汽车投资(上海)有限公司 | 语音搜索方法和设备 |
CN107045496A (zh) * | 2017-04-19 | 2017-08-15 | 畅捷通信息技术股份有限公司 | 语音识别后文本的纠错方法及纠错装置 |
CN107301866A (zh) * | 2017-06-23 | 2017-10-27 | 北京百度网讯科技有限公司 | 信息输入方法 |
CN108847241A (zh) * | 2018-06-07 | 2018-11-20 | 平安科技(深圳)有限公司 | 将会议语音识别为文本的方法、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
吴玲达等: "《多媒体人机交互技术》", 31 March 1999, 国防科技大学出版社 * |
张茹 等: "《数字内容安全》", 30 September 2017, 北京邮电大学出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111554297A (zh) * | 2020-05-15 | 2020-08-18 | 北京百度网讯科技有限公司 | 语音识别方法、装置、设备及可读存储介质 |
EP3816994A1 (en) * | 2020-05-15 | 2021-05-05 | Beijing Baidu Netcom Science Technology Co., Ltd. | Speech recogniton method, apparatus and readable storage medium |
JP2021081731A (ja) * | 2020-05-15 | 2021-05-27 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッドBeijing Baidu Netcom Science Technology Co., Ltd. | 音声認識方法、装置、機器及び読み取り可能な記憶媒体 |
JP7271497B2 (ja) | 2020-05-15 | 2023-05-11 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 音声認識方法、装置、機器及び読み取り可能な記憶媒体 |
CN111554297B (zh) * | 2020-05-15 | 2023-08-22 | 阿波罗智联(北京)科技有限公司 | 语音识别方法、装置、设备及可读存储介质 |
US11798548B2 (en) | 2020-05-15 | 2023-10-24 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Speech recognition method, apparatus, device and readable storage medium |
CN113284499A (zh) * | 2021-05-24 | 2021-08-20 | 湖北亿咖通科技有限公司 | 一种语音指令识别方法及电子设备 |
JP2022105498A (ja) * | 2021-05-25 | 2022-07-14 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 音声認識結果処理方法および装置、電子機器、コンピュータ可読記憶媒体並びにコンピュータプログラム |
JP7403569B2 (ja) | 2021-05-25 | 2023-12-22 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 音声認識結果処理方法および装置、電子機器、コンピュータ可読記憶媒体並びにコンピュータプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4064276A1 (en) | Method and device for speech recognition, terminal and storage medium | |
CN108496220B (zh) | 电子设备及其语音识别方法 | |
KR101513615B1 (ko) | 이동 단말기 및 그 음성 인식 방법 | |
CN110795007B (zh) | 一种获取截图信息的方法及装置 | |
CN108364644A (zh) | 一种语音交互方法、终端及计算机可读介质 | |
CN106446841B (zh) | 一种指纹模板匹配顺序更新方法及终端 | |
CN111339737B (zh) | 实体链接方法、装置、设备及存储介质 | |
CN112560540B (zh) | 一种美妆穿搭推荐方法及装置 | |
CN104281568B (zh) | 一种释义显示方法和装置 | |
CN110209245A (zh) | 人脸识别方法及相关产品 | |
CN112989148A (zh) | 纠错词排序方法、装置、终端设备和存储介质 | |
CN109120781B (zh) | 信息提示方法、电子装置及计算机可读存储介质 | |
CN104462058A (zh) | 字符串识别方法及装置 | |
CN109917988B (zh) | 选中内容显示方法、装置、终端及计算机可读存储介质 | |
CN110619879A (zh) | 一种语音识别的方法及装置 | |
CN113220848A (zh) | 用于人机交互的自动问答方法、装置和智能设备 | |
CN106648607B (zh) | 基于图标切换的应用启动方法、装置及终端设备 | |
CN111241815A (zh) | 文本增量方法、装置及终端设备 | |
CN108052356A (zh) | 一种启动计算器的方法,及终端设备 | |
CN109063076B (zh) | 一种图片生成方法及移动终端 | |
CN113409041B (zh) | 一种电子卡的选取方法、装置、终端以及存储介质 | |
CN113359999A (zh) | 候选词更新方法、装置和电子设备 | |
CN110866114A (zh) | 对象行为的识别方法、装置及终端设备 | |
CN111600992B (zh) | 一种信息处理方法、终端设备及存储介质 | |
CN113031838B (zh) | 屏幕录制方法、装置及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191227 |
|
RJ01 | Rejection of invention patent application after publication |