CN110808031A - 一种语音识别方法、装置和计算机设备 - Google Patents
一种语音识别方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN110808031A CN110808031A CN201911156442.4A CN201911156442A CN110808031A CN 110808031 A CN110808031 A CN 110808031A CN 201911156442 A CN201911156442 A CN 201911156442A CN 110808031 A CN110808031 A CN 110808031A
- Authority
- CN
- China
- Prior art keywords
- recognition result
- segmented
- voice
- recognition
- result
- 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 60
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 27
- 230000011218 segmentation Effects 0.000 claims description 24
- 239000012634 fragment Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 16
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
Images
Classifications
-
- 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
- G10L15/04—Segmentation; Word boundary detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例公开了一种语音识别方法、装置和计算机设备。该方法包括：在用户输入语音指令的过程中，按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果。在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果。如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户。使用本发明实施例的技术方案，可以缩短语音识别系统端到端的响应时间，提高语音识别系统的识别效率和精度，提高用户体验。
Description
技术领域
本发明实施例涉及语音识别技术，尤其涉及一种语音识别方法、装置和计算机设备。
背景技术
随着语音识别技术的发展，语音识别系统在人们的生活中得到了越来越多的应用。用户向语音识别系统发送语音指令，语音识别系统对语音指令进行识别并向用户返回结果。
现有技术中的语音识别系统是在用户终止输入语音指令后，对用户输入的完整的语音指令进行识别和处理，然后将识别结果返回给用户。
发明人在实现本发明的过程中，发现现有技术存在以下缺陷：在用户终止输入语音指令后对完整的语音指令进行识别和处理，会导致识别和处理的时间过长，进而影响语音识别系统端到端的响应时间，增加用户的等待时间。并且只对用户的语音指令进行一次识别和处理，识别结果和处理结果的精度不高，会降低用户体验。
发明内容
本发明实施例提供一种语音识别方法、装置和计算机设备，以缩短语音识别系统的端到端响应时间，从而提高语音识别效率和精度。
第一方面，本发明实施例提供了一种语音识别方法，该方法包括：
在用户输入语音指令的过程中，按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果；
在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果；
如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户。
第二方面，本发明实施例还提供了一种语音识别装置，该装置包括：
分段识别结果获取模块，用于在用户输入语音指令的过程中，按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果；
终止识别结果获取模块，用于在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果；
目标识别结果返回模块，用于如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的语音识别方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一所述的语音识别方法。
本发明实施例通过每隔设定识别周期对语音指令进行识别，获得分段识别结果，在用户终止输入语音指令后对完整语音指令进行识别，获取终止识别结果，并返回与终止识别结果相匹配的分段识别结果。解决了现有技术中只对完整的语音指令进行一次识别和处理，导致的端到端响应时间较长、识别结果精度较低等问题，缩短了语音识别系统的端到端响应时间，提高了语音识别系统的工作效率和精度，进而提高了用户体验。
附图说明
图1是本发明实施例一中的一种语音识别方法的流程图；
图2是本发明实施例二中的一种语音识别方法的流程图；
图3是本发明实施例三中的一种语音识别装置的结构示意图；
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种语音识别方法的流程图，本实施例可适用于对用户的语音指令进行识别和处理的情况，该方法可以由语音识别装置来执行，该装置可以由软件和/或硬件来实现，并一般可以集成在计算机设备(典型的，各类终端设备或服务器设备等)中。相应的，如图1所示，本实施例的方法具体包括如下步骤：
S110、在用户输入语音指令的过程中，按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果。
其中，语音指令可以是用户发出的一段语音，用以指示语音识别系统执行某项操作。设定识别周期可以为预先设置的，对语音指令进行识别和处理的周期。在一个具体的示例中，设定识别周期可以为100ms，本发明实施例对设定识别周期的具体数值并不进行限制。分段识别结果可以是对设定识别周期内接收到的所有语音指令进行识别得到的识别结果。示例性的，假设设定识别周期为100ms，第一个设定识别周期接收到的语音指令为用户在前100ms输入的语音指令，第一个设定识别周期对应的分段识别结果为前100ms输入的语音指令对应的识别结果；第二个设定识别周期接收到语音指令为用户在100ms-200ms输入的语音指令，第二个设定识别周期对应的分段识别结果为前200ms输入的语音指令对应的识别结果。也即，语音识别系统可以分段接收用户的语音指令，但在识别时，可以对接收的所有的语音指令进行识别。
在本发明实施例中，在用户输入语音指令的过程中，检测到用户输入语音指令后，就可以按照设定识别周期对语音指令进行识别，并得到每个设定识别周期内的分段识别结果。这样设置的好处在于，无需等用户终止语音指令输入就开始对接收到的语音指令进行识别，可以提高语音识别的效率，缩短用户等待时间。
在本发明的一个可选实施例中，所述分段识别结果包括分段语音识别结果和分段语义识别结果。所述按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果，包括：按照所述设定识别周期对接收的所有语音指令进行语音识别，得到所述分段语音识别结果；对所述分段语音识别结果进行语义识别，得到所述分段语义识别结果。
其中，分段语音识别结果可以是设定识别周期内对接收到的语音指令进行语音识别得到的结果。语音识别结果又可以称为ASR(Automatic Speech Recognition，自动语音识别)结果，是指语音识别系统将用户输入的语音指令转换成的文字结果，相应的，语音识别过程可以为将用户输入的语音指令转换成文字结果的过程。分段语义识别结果可以是设定识别周期内对分段语音识别结果进行语义识别得到的结果。语义识别结果又可以称为NLU(Natural language understanding，自然语言理解)结果，是对语音转写结果的意图识别和实体提取的结果，相应的，语义识别过程可以为对语音识别结果进行意图识别和实体提取的过程。
在上述可选实施例中，获得分段识别结果，也即分段语音识别结果和分段语义识别结果的过程可以为，先对接收到的语音指令进行语音识别，将接收到的语音指令转换成文字结果，获得分段语音识别结果。然后对获得的分段语音识别结果进行意图识别和实体提取，获得分段语义识别结果。可选的，还可以仅将分段语音识别系统或分段语义识别结果作为分段识别结果，本发明实施例对此并不进行限制。
在本发明另一个可选实施例中，所述按照设定识别周期对接收的所有语音指令进行识别，可以包括：每隔设定识别周期，获取所述设定识别周期内接收到的语音指令片段；将接收到的所有所述语音指令片段进行合并，形成分段语音指令；对所述分段语音指令进行识别。
其中，语音指令片段可以为在设定识别周期内接收的语音指令，分段语音指令可以为将接收到的所有语音指令片段进行合并生成的语音指令。在一个具体的例子中，如果设定识别周期为2s，则语音指令片段时长为2s，在第2s时，语音指令片段为第0～2s的语音指令，分段语音指令为第0～2s的语音指令；在第4s时，语音指令片段为第2～4s的语音指令，分段语音指令为第0～4s的语音指令。在另一个具体的例子中，如果设定识别周期为100ms，可以设置为第1s时开始进行语音识别，此时语音指令片段时长为100ms。在第1.1s时，语音指令片段为第1～1.1s的语音指令，但分段语音指令为第0～1.1s的语音指令。本发明实施例对按照设定识别周期对接收的所有语音指令进行识别的形式并不进行具体限制。
S120、在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果。
其中，用户终止输入语音指令可以通过预设时间内未收到用户发出的语音指令来判断。终止识别结果是对用户输入的完整的语音指令进行识别所得到的结果。
在本发明实施例中，如果用户终止输入语音指令，则将用户输入的所有语音指令片段进行合并，生成完整语音指令，对该完整语音指令进行识别，得到终止识别结果。
在本发明一个可选的实施例中，终止识别结果可以包括终止语音识别结果和终止语义识别结果。终止语音识别结果是对完整语音指令进行语音识别得到的结果，终止语义识别结果是对终止语音识别结果进行语义识别得到的结果。需要说明的是，当仅将分段语音识别系统或分段语义识别结果作为分段识别结果时，也可以相应的仅将终止语音识别结果或终止语义识别结果作为终止识别结果。
S130、如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户。
其中，目标识别结果是语音识别系统向用户最终返回的结果。在本发明实施例中，如果之前得到的分段识别结果中，存在一个分段识别结果与终止识别结果能够相匹配，则可以直接将匹配上的分段终止结果返回给用户。这样设置的好处在于，可以缩短语音识别系统端到端的响应时间，提高语音识别效率。同时，将终止识别结果与分段识别结果进行匹配，可以保证语音识别结果的精度较高。
在本发明的一个可选实施例中，如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户，包括：如果所述终止语音识别结果与目标分段语音识别结果相匹配，则将所述目标分段语音识别结果以及所述目标分段语音识别结果对应的分段语义识别结果作为所述目标识别结果返回给所述用户；其中，所述目标分段语音识别结果为其中一个分段语音识别结果；如果所述终止语音识别结果与所有所述分段语音识别结果都不相匹配，则将所述终止语义识别结果与所述分段语义识别结果进行匹配；如果所述终止语义识别结果与目标分段语义识别结果相匹配，则将所述目标分段语义识别结果以及所述终止语音识别结果作为所述目标识别结果返回给所述用户；其中，所述目标分段语义识别结果为其中一个分段语义识别结果。
在本发明实施例中，终止识别结果可以包括终止语音识别结果和终止语义识别结果，分段识别结果可以包括分段语音识别结果和分段语义识别结果。在将终止识别结果与分段识别结果进行匹配的过程中，可以先将终止语音识别结果与所有的分段语音识别结果进行匹配，如果存在一个能够匹配的目标分段语音识别结果，则将该目标分段语音识别结果以及该目标分段语音识别结果对应的分段语义识别结果返回给用户。如果所有的分段语音识别结果都无法与终止语音识别结果相匹配，再将终止语义识别结果与所有的分段语义识别结果进行匹配。如果存在一个能够匹配的目标分段语义识别结果，则将该目标分段语义识别结果以及终止语音识别结果返回给用户。如果所有的分段语义识别结果都无法与终止语义识别结果相匹配，则将终止识别结果返回给用户。
本实施例的技术方案，通过每隔设定识别周期对语音指令进行识别，获得分段识别结果，在用户终止输入语音指令后对完整语音指令进行识别，获取终止识别结果，并返回与终止识别结果相匹配的分段识别结果。解决了现有技术中只对完整的语音指令进行一次识别和处理，导致的端到端响应时间较长、识别结果精度较低等问题，缩短了语音识别系统的端到端响应时间，提高了语音识别系统的工作效率和精度，进而提高了用户体验。
实施例二
图2是本发明实施例二中的一种语音识别方法的流程图，本发明实施例在上述实施例的基础上，对获取分段语音识别结果和分段语义识别结果之后的操作进行了进一步的具体化。在按照所述设定识别周期对接收的所有语音指令进行语音识别，得到所述分段语音识别结果的步骤之后，加入步骤：根据语句判断模型对所述分段语音识别结果进行判断；如果根据判断结果确定所述分段语音识别结果为非完整语句，则对所述分段语音识别结果进行句式补全处理，并将句式补全处理结果作为所述分段语音识别结果。在对所述分段语音识别结果进行语义识别，得到所述分段语义识别结果的步骤之后，加入步骤：如果根据所述分段语义识别结果确定所述语音指令调用第三方服务，则调用所述第三方服务，并将调用结果添加至所述分段语义识别结果。
相应的，如图2所示，本发明实施例的技术方案具体步骤包括：
S210、在用户输入语音指令的过程中，按照所述设定识别周期对接收的所有语音指令进行语音识别，得到所述分段语音识别结果。
在本发明实施例中，可以在得到分段语音识别结果后，对分段语音识别结果同时进行语句判断模型的判断和语义识别。无论分段语音识别结果是否是完整的语句，都可对其进行语义识别。同时，对分段语音识别结果进行语句判断，如果是非完整语句，对其补全后，将补全结果补充到分段语音识别结果，再对分段语音识别结果进行语义识别。这样设置的好处在于，可以提高语音识别系统对语音指令进行识别的效率和精度，缩短语音识别系统端到端的响应时间。
S220、根据语句判断模型对所述分段语音识别结果进行判断。
其中，所述语句判断模型可以用于对分段语音识别结果是否是完整性语句进行判定。语句判断模型可以通过使用海量的完整语句与非完整语句进行对照数据标注训练得来。
S230、根据判断结果确定所述分段语音识别结果是否为非完整语句，如果是，则执行S240；否则执行S250。
S240、对所述分段语音识别结果进行句式补全处理，并将句式补全处理结果作为所述分段语音识别结果。
在本发明实施例中，通过语句判断模型判断分段语音识别结果是否是完整性语句，如果分段语音识别结果是非完整语句，则对其进行补全，将补全结果补充到分段语音识别结果中。
在本发明一个可选的实施例中，对所述分段语音识别结果进行句式补全处理，可以包括：根据数据统计结果和/或上下文分段语音识别结果，获取设定数量的与所述分段语音识别结果相关联的完整语句作为句式补全处理结果。
其中，设定数量可以是根据实际需求设定的数值，如3、5、8等，本发明实施例并不对设定数量的具体数值进行限定。数据统计结果可以是语音识别系统的数据库中存储的所有历史语音指令的语音识别结果。上下文分段语音识别结果可以是非完整语句的上下文分段语音识别结果，在一个具体的例子中，如果分段语音识别结果为“我想吃川菜，帮我寻找附近”，根据语句判断模型的判断结果，“帮我寻找附近”为一个非完整语句，由于“帮我寻找附近”上文中出现了“我想吃川菜”，因此可以合理性的推断出，用户可能想寻找附近的川菜馆，此时，“我想吃川菜”即为上下文分段语音识别结果。
在本发明实施例中，可以根据数据统计结果和上下文分段语音识别结果获取完整语句，可以单独根据数据统计结果获取完整语句，也可以单独根据上下文分段语音识别结果获取完整语句，本实施例对获取完整语句的方式不进行具体的限制。在获得的完整语句中，选择与所述分段语音识别结果关联性最高的设定数量的完整语句，作为句式补全处理结果，补充到分段语音识别结果中。
在一个具体的例子中，当分段语音识别结果为“我想吃川菜，帮我寻找附近”，根据大数据统计结果，以及上文的语音识别结果中出现了吃川菜，可以将“我想吃川菜，帮我寻找附近的川菜馆”、“我想吃川菜，帮我寻找附近五公里内的川菜馆”以及“我想吃川菜，帮我寻找附近商场内的川菜馆”，作为句式补全结果，补充到分段语音识别结果中，以进行后续的语义识别操作。这样设置的好处在于：对不完整的语音识别结果进行补全，补全后的语句补充到分段语音识别结果中，相当于对用户语音指令进行合理性预测，可以预先获取较为准确的语音识别结果，从而提高语音识别系统的识别效率，缩短语音识别系统对用户的响应时间。
S250、对所述分段语音识别结果进行语义识别，得到所述分段语义识别结果。
S260、根据所述分段语义识别结果确定所述语音指令是否调用第三方服务，如果是，则执行S270；否则执行S280。
其中，第三方服务可以是语音识别系统和用户之外的第三方系统提供的服务。在一个具体的例子中，如果用户发送语音指令“导航去A地”，此时语音识别系统对语音指令进行语音识别和语义识别后，根据语义识别结果判断，需要调用地图系统进行导航，此时地图系统提供的服务即为第三方服务。
S270、调用所述第三方服务，并将调用结果添加至所述分段语义识别结果。
其中，调用结果可以是第三方服务针对用户发出的语音指令的语义识别结果作出的处理结果。在一个具体的示例中，如果用户发送语音指令“寻找附近的粤菜馆”，则语音识别系统在识别出用户意图后，可以调用地图系统，地图系统在搜索附近的粤菜馆后，将搜索结果返回给语音识别系统。此时语音识别结果将地图系统返回的搜索结果作为调用结果，添加到分段语义识别结果中。这样设置的好处在于：在用户输入语音指令的过程中，检测到需要调用第三方服务时，立即进行调用并保存调用结果，当用户终止输入语音指令时，如果终止识别结果与分段识别结果可以匹配，可以立即向用户返回已保存的调用结果。由于第三方服务搜索结果所需的时长不可控，因此预先调用第三方服务并获取相应的调用结果作为识别结果能够大幅缩短语音识别系统端到端的响应时间，从而提高端到端的响应效率。
在本发明实施例中，得到分段语音识别结果后，对分段语音识别结果可以同时进行语句判断模型的判断和语义识别。进行语义识别后，如果根据分段语义识别结果确定需要调用第三方服务，则获得一个调用结果。同时，对分段语音识别结果进行语句判断模型的判断后，如果该分段语音识别结果为一个非完整语句，则需要对其进行补全。在一个具体的例子中，如果选择三个与分段语音识别结果关联性最高的完整语句作为句式补全结果，各句式补全结果会同时作为分段语音识别结果，因此需要对各句式补全结果继续进行语义识别，并根据对应的语义识别结果判断是否需要调用第三方服务。如果确定句式补全结果需要调用第三方服务，则各句式补全结果可分别获得一个对应的调用结果。因此，在本设定识别周期的语音识别过程中，最多可获得四个调用结果。
S280、在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果。
S290、判断所述终止语音识别结果与目标分段语音识别结果是否相匹配，如果是，则执行S2100，否则执行S2110。
其中，所述目标分段语音识别结果为其中一个分段语音识别结果。
S2100、将所述目标分段语音识别结果以及所述目标分段语音识别结果对应的分段语义识别结果作为所述目标识别结果返回给所述用户。
S2110、将所述终止语义识别结果与所述分段语义识别结果进行匹配。
S2120、判断所述终止语义识别结果与目标分段语义识别结果是否相匹配，如果是，则执行S2130，否则执行S2140。
其中，所述目标分段语义识别结果为其中一个分段语义识别结果。
S2130、将所述目标分段语义识别结果以及所述终止语音识别结果作为所述目标识别结果返回给所述用户。
S2140、将所述终止语音识别结果以及所述终止语义识别结果作为所述目标识别结果返回给所述用户。
本发明实施例的技术方案，在对分段语音指令进行语音识别获得分段语音识别结果后，同时对分段语音识别结果进行语义识别和语句判断，如果语句判断显示该分段语音识别结果为非完整语句，则对其进行补全，将补全结果加入分段语音识别结果，再对其进行语义识别。根据语义识别结果判断是否需要调用第三方服务，当需要调用第三方服务时将调用结果添加至分段语义识别结果。最后将终止识别结果与分段识别结果进行匹配，如果终止语音识别结果能够和其中一个分段语音识别结果匹配上，或虽然终止语音识别结果无法和任何分段语音识别结果匹配，但终止语义识别结果可以和其中一个分段语义识别结果进行匹配，则将分段语义识别结果返回给用户，当需要调用第三方服务时，语音识别系统可以直接将调用结果返回给用户。解决了现有技术中，对用户的完整语音指令进行识别并调用第三方服务获得调用结果的过程耗时较长，影响语音识别系统端到端响应时间的问题。实现了提高语音识别系统对用户语音指令的识别和处理效率，缩短语音识别系统端到端响应时间的效果。
实施例三
图3是本发明实施例三中的一种语音识别装置的结构示意图，该装置包括：分段识别结果获取模块310、终止识别结果获取模块320以及目标识别结果返回模块330。其中：
分段识别结果获取模块310，用于在用户输入语音指令的过程中，按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果；
终止识别结果获取模块320，用于在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果；
目标识别结果返回模块330，用于如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户。
本发明实施例的技术方案，通过每隔设定识别周期对语音指令进行识别，获得分段识别结果，在用户终止输入语音指令后对完整语音指令进行识别，获取终止识别结果，并返回与终止识别结果相匹配的分段识别结果。解决了现有技术中只对完整的语音指令进行一次识别和处理，导致的端到端的响应时间较长、识别结果精度较低等问题，缩短了语音识别系统的端到端响应时间，提高了语音识别系统的工作效率和精度，提高了用户体验。
在上述实施例的基础上，所述分段识别结果包括分段语音识别结果和分段语义识别结果；
所述分段识别结果获取模块310，包括：
分段语音识别结果获取单元，用于按照所述设定识别周期对接收的所有语音指令进行语音识别，得到所述分段语音识别结果；
分段语义识别结果获取单元，用于对所述分段语音识别结果进行语义识别，得到所述分段语义识别结果。
在上述实施例的基础上，所述终止识别结果包括终止语音识别结果和终止语义识别结果；
所述目标识别结果返回模块330，包括：
第一目标识别结果返回单元，用于如果所述终止语音识别结果与目标分段语音识别结果相匹配，则将所述目标分段语音识别结果以及所述目标分段语音识别结果对应的分段语义识别结果作为所述目标识别结果返回给所述用户；其中，所述目标分段语音识别结果为其中一个分段语音识别结果；
语义识别结果匹配单元，用于如果所述终止语音识别结果与所有所述分段语音识别结果都不相匹配，则将所述终止语义识别结果与所述分段语义识别结果进行匹配；
第二目标识别结果返回单元，用于如果所述终止语义识别结果与目标分段语义识别结果相匹配，则将所述目标分段语义识别结果以及所述终止语音识别结果作为所述目标识别结果返回给所述用户；其中，所述目标分段语义识别结果为其中一个分段语义识别结果。
在上述实施例的基础上，所述语音识别装置，还包括：
第三方调用结果获取模块，用于如果根据所述分段语义识别结果确定所述语音指令调用第三方服务，则调用所述第三方服务，并将调用结果添加至所述分段语义识别结果。
在上述实施例的基础上，所述语音识别装置，还包括：
语音识别结果判断模块，用于根据语句判断模型对所述分段语音识别结果进行判断；
语音识别结果补全模块，用于如果根据判断结果确定所述分段语音识别结果为非完整语句，则对所述分段语音识别结果进行句式补全处理，并将句式补全处理结果作为所述分段语音识别结果。
在上述实施例的基础上，所述语音识别结果补全模块，包括：
完整语句获取单元，用于根据数据统计结果和/或上下文分段语音识别结果，获取设定数量的与所述分段语音识别结果相关联的完整语句作为句式补全处理结果。
在上述实施例的基础上，所述分段识别结果获取模块310，包括：
语音指令片段获取单元，用于每隔设定识别周期，获取所述设定识别周期内接收到的语音指令片段；
分段语音指令形成单元，用于将接收到的所有所述语音指令片段进行合并，形成分段语音指令；
分段语音指令识别单元，用于对所述分段语音指令进行识别。
本发明实施例所提供的语音识别装置可执行本发明任意实施例所提供的语音识别方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器40、存储器41、输入装置42和输出装置43；计算机设备中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；计算机设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的语音识别方法对应的程序指令/模块(例如，语音识别装置中的分段识别结果获取模块310、终止识别结果获取模块320以及目标识别结果返回模块330)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的语音识别方法。该方法包括：
在用户输入语音指令的过程中，按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果；
在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果；
如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户。
存储器41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；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41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、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种语音识别方法，该方法包括：
在用户输入语音指令的过程中，按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果；
在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果；
如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的语音识别方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述语音识别装置的实施例中，所包括的各个单元和模块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。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种语音识别方法，其特征在于，包括：
在用户输入语音指令的过程中，按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果；
在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果；
如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户。
2.根据权利要求1所述的方法，其特征在于，所述分段识别结果包括分段语音识别结果和分段语义识别结果；
所述按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果，包括：
按照所述设定识别周期对接收的所有语音指令进行语音识别，得到所述分段语音识别结果；
对所述分段语音识别结果进行语义识别，得到所述分段语义识别结果。
3.根据权利要求2所述的方法，其特征在于，所述终止识别结果包括终止语音识别结果和终止语义识别结果；
如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户，包括：
如果所述终止语音识别结果与目标分段语音识别结果相匹配，则将所述目标分段语音识别结果以及所述目标分段语音识别结果对应的分段语义识别结果作为所述目标识别结果返回给所述用户；其中，所述目标分段语音识别结果为其中一个分段语音识别结果；
如果所述终止语音识别结果与所有所述分段语音识别结果都不相匹配，则将所述终止语义识别结果与所述分段语义识别结果进行匹配；
如果所述终止语义识别结果与目标分段语义识别结果相匹配，则将所述目标分段语义识别结果以及所述终止语音识别结果作为所述目标识别结果返回给所述用户；其中，所述目标分段语义识别结果为其中一个分段语义识别结果。
4.根据权利要求3所述的方法，其特征在于，在对所述分段语音识别结果进行语义识别，得到所述分段语义识别结果之后，还包括：
如果根据所述分段语义识别结果确定所述语音指令调用第三方服务，则调用所述第三方服务，并将调用结果添加至所述分段语义识别结果。
5.根据权利要求4所述的方法，其特征在于，在按照所述设定识别周期对接收的所有语音指令进行语音识别，得到所述分段语音识别结果之后，还包括：
根据语句判断模型对所述分段语音识别结果进行判断；
如果根据判断结果确定所述分段语音识别结果为非完整语句，则对所述分段语音识别结果进行句式补全处理，并将句式补全处理结果作为所述分段语音识别结果。
6.根据权利要求5所述的方法，其特征在于，所述对所述分段语音识别结果进行句式补全处理，包括：
根据数据统计结果和/或上下文分段语音识别结果，获取设定数量的与所述分段语音识别结果相关联的完整语句作为句式补全处理结果。
7.根据权利要求1所述的方法，其特征在于，所述按照设定识别周期对接收的所有语音指令进行识别，包括：
每隔设定识别周期，获取所述设定识别周期内接收到的语音指令片段；
将接收到的所有所述语音指令片段进行合并，形成分段语音指令；
对所述分段语音指令进行识别。
8.一种语音识别装置，其特征在于，包括：
分段识别结果获取模块，用于在用户输入语音指令的过程中，按照设定识别周期对接收的所有语音指令进行识别，得到各设定识别周期对应的分段识别结果；
终止识别结果获取模块，用于在所述用户终止输入语音指令后，对所述用户输入的完整语音指令进行识别，得到终止识别结果；
目标识别结果返回模块，用于如果确定所述终止识别结果与其中一个所述分段识别结果相匹配，则将与所述终止识别结果相匹配的分段识别结果作为目标识别结果返回给所述用户。
9.根据权利要求8所述的装置，其特征在于，所述分段识别结果包括分段语音识别结果和分段语义识别结果；
所述分段识别结果获取模块，包括：
分段语音识别结果获取单元，用于按照所述设定识别周期对接收的所有语音指令进行语音识别，得到所述分段语音识别结果；
分段语义识别结果获取单元，用于对所述分段语音识别结果进行语义识别，得到所述分段语义识别结果。
10.根据权利要求9所述的装置，其特征在于，所述终止识别结果包括终止语音识别结果和终止语义识别结果；
所述目标识别结果返回模块，包括：
第一目标识别结果返回单元，用于如果所述终止语音识别结果与目标分段语音识别结果相匹配，则将所述目标分段语音识别结果以及所述目标分段语音识别结果对应的分段语义识别结果作为所述目标识别结果返回给所述用户；其中，所述目标分段语音识别结果为其中一个分段语音识别结果；
语义识别结果匹配单元，用于如果所述终止语音识别结果与所有所述分段语音识别结果都不相匹配，则将所述终止语义识别结果与所述分段语义识别结果进行匹配；
第二目标识别结果返回单元，用于如果所述终止语义识别结果与目标分段语义识别结果相匹配，则将所述目标分段语义识别结果以及所述终止语音识别结果作为所述目标识别结果返回给所述用户；其中，所述目标分段语义识别结果为其中一个分段语义识别结果。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：
第三方调用结果获取模块，用于如果根据所述分段语义识别结果确定所述语音指令调用第三方服务，则调用所述第三方服务，并将调用结果添加至所述分段语义识别结果。
12.根据权利要求11所述的装置，其特征在于，所述装置包括：
语音识别结果判断模块，用于根据语句判断模型对所述分段语音识别结果进行判断；
语音识别结果补全模块，用于如果根据判断结果确定所述分段语音识别结果为非完整语句，则对所述分段语音识别结果进行句式补全处理，并将句式补全处理结果作为所述分段语音识别结果。
13.根据权利要求12所述的装置，其特征在于，所述语音识别结果补全模块，包括：
完整语句获取单元，用于根据数据统计结果和/或上下文分段语音识别结果，获取设定数量的与所述分段语音识别结果相关联的完整语句作为句式补全处理结果。
14.根据权利要求1所述的装置，其特征在于，所述分段识别结果获取模块，包括：
语音指令片段获取单元，用于每隔设定识别周期，获取所述设定识别周期内接收到的语音指令片段；
分段语音指令形成单元，用于将接收到的所有所述语音指令片段进行合并，形成分段语音指令；
分段语音指令识别单元，用于对所述分段语音指令进行识别。
15.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-7中任一所述的语音识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911156442.4A CN110808031A (zh) | 2019-11-22 | 2019-11-22 | 一种语音识别方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911156442.4A CN110808031A (zh) | 2019-11-22 | 2019-11-22 | 一种语音识别方法、装置和计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110808031A true CN110808031A (zh) | 2020-02-18 |
Family
ID=69491244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911156442.4A Pending CN110808031A (zh) | 2019-11-22 | 2019-11-22 | 一种语音识别方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110808031A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429899A (zh) * | 2020-02-27 | 2020-07-17 | 深圳壹账通智能科技有限公司 | 基于人工智能的语音响应处理方法、装置、设备及介质 |
| CN111667829A (zh) * | 2020-05-29 | 2020-09-15 | 北京小米松果电子有限公司 | 信息处理方法及装置、存储介质 |
| CN112992141A (zh) * | 2021-02-23 | 2021-06-18 | 北京百度网讯科技有限公司 | 语音识别场景下的通信方法和装置 |
| CN115499683A (zh) * | 2022-08-05 | 2022-12-20 | 北京达佳互联信息技术有限公司 | 语音识别方法、装置及电子设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559880A (zh) * | 2013-11-08 | 2014-02-05 | 百度在线网络技术（北京）有限公司 | 语音输入系统和方法 |
| CN105590626A (zh) * | 2015-12-29 | 2016-05-18 | 百度在线网络技术（北京）有限公司 | 持续语音人机交互方法和系统 |
| US20170069308A1 (en) * | 2015-09-03 | 2017-03-09 | Google Inc. | Enhanced speech endpointing |
| CN107146602A (zh) * | 2017-04-10 | 2017-09-08 | 北京猎户星空科技有限公司 | 一种语音识别方法、装置及电子设备 |
| CN108270928A (zh) * | 2018-04-20 | 2018-07-10 | 维沃移动通信有限公司 | 一种语音识别的方法及移动终端 |
| US20180240466A1 (en) * | 2017-02-17 | 2018-08-23 | Intel Corporation | Speech Decoder and Language Interpreter With Asynchronous Pre-Processing |
| CN109473104A (zh) * | 2018-11-07 | 2019-03-15 | 苏州思必驰信息科技有限公司 | 语音识别网络延时优化方法及装置 |
| CN109964223A (zh) * | 2017-10-23 | 2019-07-02 | 腾讯科技（深圳）有限公司 | 会话信息处理方法及其装置、存储介质 |
| CN110047481A (zh) * | 2019-04-23 | 2019-07-23 | 百度在线网络技术（北京）有限公司 | 用于语音识别的方法和装置 |
-
2019
- 2019-11-22 CN CN201911156442.4A patent/CN110808031A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559880A (zh) * | 2013-11-08 | 2014-02-05 | 百度在线网络技术（北京）有限公司 | 语音输入系统和方法 |
| US20170069308A1 (en) * | 2015-09-03 | 2017-03-09 | Google Inc. | Enhanced speech endpointing |
| CN105590626A (zh) * | 2015-12-29 | 2016-05-18 | 百度在线网络技术（北京）有限公司 | 持续语音人机交互方法和系统 |
| US20180240466A1 (en) * | 2017-02-17 | 2018-08-23 | Intel Corporation | Speech Decoder and Language Interpreter With Asynchronous Pre-Processing |
| CN107146602A (zh) * | 2017-04-10 | 2017-09-08 | 北京猎户星空科技有限公司 | 一种语音识别方法、装置及电子设备 |
| CN109964223A (zh) * | 2017-10-23 | 2019-07-02 | 腾讯科技（深圳）有限公司 | 会话信息处理方法及其装置、存储介质 |
| CN108270928A (zh) * | 2018-04-20 | 2018-07-10 | 维沃移动通信有限公司 | 一种语音识别的方法及移动终端 |
| CN109473104A (zh) * | 2018-11-07 | 2019-03-15 | 苏州思必驰信息科技有限公司 | 语音识别网络延时优化方法及装置 |
| CN110047481A (zh) * | 2019-04-23 | 2019-07-23 | 百度在线网络技术（北京）有限公司 | 用于语音识别的方法和装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429899A (zh) * | 2020-02-27 | 2020-07-17 | 深圳壹账通智能科技有限公司 | 基于人工智能的语音响应处理方法、装置、设备及介质 |
| WO2021169615A1 (zh) * | 2020-02-27 | 2021-09-02 | 深圳壹账通智能科技有限公司 | 基于人工智能的语音响应处理方法、装置、设备及介质 |
| CN111667829A (zh) * | 2020-05-29 | 2020-09-15 | 北京小米松果电子有限公司 | 信息处理方法及装置、存储介质 |
| CN111667829B (zh) * | 2020-05-29 | 2023-08-08 | 北京小米松果电子有限公司 | 信息处理方法及装置、存储介质 |
| CN112992141A (zh) * | 2021-02-23 | 2021-06-18 | 北京百度网讯科技有限公司 | 语音识别场景下的通信方法和装置 |
| CN115499683A (zh) * | 2022-08-05 | 2022-12-20 | 北京达佳互联信息技术有限公司 | 语音识别方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110808031A (zh) | 一种语音识别方法、装置和计算机设备 | |
| CN105931644B (zh) | 一种语音识别方法及移动终端 | |
| US20210027788A1 (en) | Conversation interaction method, apparatus and computer readable storage medium | |
| US20140379334A1 (en) | Natural language understanding automatic speech recognition post processing | |
| US20200151258A1 (en) | Method, computer device and storage medium for impementing speech interaction | |
| KR20200108775A (ko) | 트레이닝 말뭉치를 생성하는 방법, 장치, 기기 및 저장 매체 | |
| CN103853703A (zh) | 一种信息处理方法及电子设备 | |
| JP2020030408A (ja) | オーディオにおける重要語句を認識するための方法、装置、機器及び媒体 | |
| CN103903611A (zh) | 一种语音信息的识别方法和设备 | |
| CN109086276B (zh) | 数据翻译方法、装置、终端及存储介质 | |
| CN110992955A (zh) | 一种智能设备的语音操作方法、装置、设备及存储介质 | |
| WO2015192447A1 (zh) | 一种数据处理方法、装置和终端 | |
| CN105487668A (zh) | 终端设备的展示方法和装置 | |
| CN111368145A (zh) | 一种知识图谱的创建方法、创建系统及终端设备 | |
| CN111427784A (zh) | 一种数据获取方法、装置、设备及存储介质 | |
| CN112765963B (zh) | 语句分词方法、装置、计算机设备及存储介质 | |
| US20190279623A1 (en) | Method for speech recognition dictation and correction by spelling input, system and storage medium | |
| CN110838284B (zh) | 一种语音识别结果的处理方法、装置和计算机设备 | |
| CN106371905B (zh) | 应用程序操作方法、装置和服务器 | |
| CN114299955B (zh) | 语音交互的方法、装置、电子设备及存储介质 | |
| CN114202363B (zh) | 基于人工智能的话术调用方法、装置、计算机设备及介质 | |
| CN116644159A (zh) | 关键词提取方法、装置、设备及计算机可读存储介质 | |
| WO2022213943A1 (zh) | 消息发送方法、消息发送装置、电子设备和存储介质 | |
| CN115798469A (zh) | 语音控制方法、装置、电子设备及计算机可读存储介质 | |
| CN113421565A (zh) | 搜索方法、装置、电子设备以及存储介质 |
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: 20200218 |
|
| RJ01 | Rejection of invention patent application after publication |