CN112102843A - 一种语音识别方法、装置和电子设备 - Google Patents
一种语音识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112102843A CN112102843A CN202010990404.5A CN202010990404A CN112102843A CN 112102843 A CN112102843 A CN 112102843A CN 202010990404 A CN202010990404 A CN 202010990404A CN 112102843 A CN112102843 A CN 112102843A
- Authority
- CN
- China
- Prior art keywords
- audio data
- target
- text information
- target audio
- voice recognition
- 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 74
- 230000008569 process Effects 0.000 claims abstract description 34
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- 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
- G10L15/24—Speech recognition using non-acoustical features
-
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
- G10L2015/027—Syllables being the recognition units
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供了一种语音识别方法、装置和电子设备,其中,所述方法包括:获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息;进而通过结合与目标音频数据关联的信息,对所述目标音频数据进行语音识别,来提高语音识别的准确率。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种语音识别方法、装置和电子设备。
背景技术
近年来,录音设备作为专业领域的产品,发展迅速并进入大众领域。记者、学生、教师等各种群体,通常都需要录音设备进行录音。此外各种电视节目、电影、音乐等录制也需要使用到录音设备。
在使用录音设备录音过程中或录音结束后,用户可能需要对录音得到的音频数据进行语音识别,确定对应的语音识别文本(俗称转写)。然而,很对场景中如培训讲座、大型会议上往往会出现专业领域的字词,且这些专业领域的词语还不乏生疏字词。针对于在这些场景中录音得到的音频数据,现有语音识别准确度低。
发明内容
本发明实施例提供一种语音识别方法,以提高语音识别的准确率。
相应的,本发明实施例还提供了一种语音识别装置和一种电子设备,用以保证上述方法的实现及应用。
为了解决上述问题,本发明实施例公开了一种语音识别方法,具体包括:获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:对所述目标图像数据进行文本识别,确定对应的图像文本信息;依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述目标图像数据包括一个图像帧,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:确定所述目标图像数据对应的目标时间戳;依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:依据所述目标图像数据包含的所有图像帧的图像文本信息,对完整的所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:从所述图像文本信息中提取关键词;对所述目标音频数据进行特征提取并依据提取的特征信息确定所述音频数据对应的音节,将所述目标音频数据对应的音节与所述关键词匹配;若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息;若不存在与所述目标音频数据对应的音节匹配的所述关键词,则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配,确定所述目标音频数据对应的语音识别文本信息。
本发明实施例还公开了一种语音识别装置,具体包括:获取模块,用于获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;识别模块,用于依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述识别模块,包括:图像识别子模块,用于对所述目标图像数据进行文本识别,确定对应的图像文本信息;语音识别子模块,用于依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述目标图像数据包括一个图像帧,所述语音识别子模块,用于确定所述目标图像数据对应的目标时间戳;依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述语音识别子模块,用于依据所述目标图像数据包含的所有图像帧的图像文本信息,对完整的所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述语音识别子模块,用于从所述图像文本信息中提取关键词;对所述目标音频数据进行特征提取并依据提取的特征信息确定所述音频数据对应的音节,将所述目标音频数据对应的音节与所述关键词匹配;若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息;若不存在与所述目标音频数据对应的音节匹配的所述关键词,则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配,确定所述目标音频数据对应的语音识别文本信息。
本发明实施例还公开了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如本发明实施例任一所述的语音识别方法。
本发明实施例还公开了一种电子设备,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:对所述目标图像数据进行文本识别,确定对应的图像文本信息;依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述目标图像数据包括一个图像帧,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:确定所述目标图像数据对应的目标时间戳;依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:依据所述目标图像数据包含的所有图像帧的图像文本信息,对完整的所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:从所述图像文本信息中提取关键词;对所述目标音频数据进行特征提取并依据提取的特征信息确定所述音频数据对应的音节,将所述目标音频数据对应的音节与所述关键词匹配;若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息;若不存在与所述目标音频数据对应的音节匹配的所述关键词,则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配,确定所述目标音频数据对应的语音识别文本信息。
本发明实施例包括以下优点:
本发明实施例中,可以获取目标音频数据,以及获取在录音设备在录制目标音频数据过程中采集的并与目标音频数据关联的目标图像数据;然后依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息;进而通过结合与目标音频数据关联的信息,对所述目标音频数据进行语音识别,来提高语音识别的准确率。
附图说明
图1是本发明的一种语音识别方法实施例的步骤流程图;
图2是本发明的一种语音识别方法可选实施例的步骤流程图;
图3是本发明的又一种语音识别方法实施例的步骤流程图;
图4是本发明的又一种语音识别方法可选实施例的步骤流程图;
图5是本发明的一种语音识别装置实施例的结构框图;
图6是本发明的一种语音识别装置可选实施例的结构框图;
图7根据一示例性实施例示出的一种用于语音识别的电子设备的结构框图;
图8是本发明根据另一示例性实施例示出的一种用于语音识别的电子设备的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明的一种语音识别方法实施例的步骤流程图,具体可以包括如下步骤:
步骤102、获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的。
步骤104、依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
本发明实施例中,提供一设置有图像采集模块的录音设备,在用户采用该录音设备录制音频数据过程中,支持用户采用录音设备进行图像采集,以便于用户从多个维度记录数据。并在图像采集后,可以将采集的图像数据与录制得到的音频数据进行关联;从而保证多个维度记录的数据之间的关联。后续,当用户需要对采用该录音设备采集的,且存在关联图像数据的音频数据进行语音识别时,可以获取该音频数据,以及与该音频数据关联的图像数据;然后结合与音频数据关联图像数据,对音频数据进行语音识别,来提高对音频数据语音识别的准确率。
其中,为了便于后续说明,可以将用户需要进行语音识别的音频数据,称为目标音频数据;将与目标音频数据关联的图像数据称为目标图像数据。以及将对目标音频数据进行语音识别,得到的语音识别结果称为语音识别文本信息。
所述录音设备可以是指具有录音功能的设备,如录音笔、翻译设备如翻译笔、翻译机等等;本发明实施例对此不作限制。
其中,所述步骤102-步骤104,可以由录音设备执行,也可以由其他设备执行,所述其他设备可以是指除录音设备之外的电子设备,可以包括终端设备,也可以包括服务器,本发明实施例对此不作限制。
综上,本发明实施例中,可以获取目标音频数据,以及获取在录音设备在录制目标音频数据过程中采集的并与目标音频数据关联的目标图像数据;然后依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息;进而通过结合与目标音频数据关联的信息,对所述目标音频数据进行语音识别,来提高语音识别的准确率。
参照图2,示出了本发明的一种语音处理方法可选实施例的步骤流程图。
步骤202、获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的。
本发明实施例中,可以在录音设备录制目标音频数据的过程中,实时的对目标音频数据进行语音识别;也可以是在录音设备录制音频数据后,对目标音频数据(即非实时的目标音频数据)进行语音识别;本发明实施例对此不作限制。
其中,在录音设备录制音频数据后,可以由录音设备对目标音频数据进行语音识别;也可以将目标音频数据从录音设备中传输给其他设备,然后由其他设备对所述目标音频数据进行识别,本发明实施例对此不作限制。
步骤204、对所述目标图像数据进行文本识别,确定对应的图像文本信息。
步骤206、依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
本发明实施例中,可以先对目标图像数据进行文本识别,确定所述目标图像数据中的文本信息。其中,为了便于与语音识别得到的语音识别文本信息进行区别,可以将文本识别得到的文本信息,称为图像文本信息。
一个示例中,可以采用OCR((Optical CharacterRecognition,光学字符识别)技术进行文本识别。
然后再结合图像文本信息,对所述目标音频数据进行语音识别,确定对应的语音识别文本信息;其中,可以将图像文本信息利用到对目标音频数据的语音识别过程中,来提高对目标音频数据的语音识别的准确率。
可以参照如下子步骤2062-子步骤2068:
子步骤2062、从所述图像文本信息中提取关键词。
子步骤2064、对所述目标音频数据进行特征提取并依据提取的特征信息确定所述目标音频数据对应的音节,将所述目标音频数据对应的音节与所述关键词匹配。
子步骤2066、若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息。
子步骤2068、若不存在与所述目标音频数据对应的音节匹配的所述关键词,则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配,确定所述目标音频数据对应的语音识别文本信息。
本发明的一个示例中,一方面可以从图像文本信息中提取出专有名词,作为关键词。所述专有名词包括多种如人名、地名、国家名、景观名、物种名称、药物名称等等。然后基于关键词,对所述目标音频数据进行语音识别。另一方面,可以对所述目标音频数据进行特征提取并依据提取的特征信息确定所述目标音频数据对应的音节;然后将所述目标音频数据对应的音节与语音识别词库进行匹配。
其中,所述目标音频数据对应的音节与语音识别词库进行匹配的过程中,可以按照语音识别词库中字词的优先级从高到低的顺序进行匹配;也就是先将所述目标音频数据对应的音节与优先级高的字词匹配,当不存在与目标音频数据对应的音节匹配的优先级高的字词时,再与语音识别词库中优先级高的字词匹配。
相对于语音识别而言,文本识别的准确率较高,因此本发明实施例为了提高语音识别的准确性,可以将关键词添加至语音识别词库中,并将关键词的优先级,设置为高于语音识别词库中原始字词的优先级。进而可以先将所述目标音频数据对应的音节与所述关键词匹配,查找是否存在与所述目标音频数据对应的音节匹配的所述关键词。若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息;若不存在与所述目标音频数据对应的音节匹配的所述关键词,则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配,确定所述目标音频数据对应的语音识别文本信息。
综上,本发明实施例中,可以对所述目标图像数据进行文本识别,确定对应的图像文本信息;然后依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息;由于文本识别的准确率相对于语音识别的准确率高,进而依据目标音频数据关联的目标图像数据中的图像文本信息,对目标音频数据进行识别,能够进一步提高语音识别的准确性。
其次,本发明实施例中,可以从所述图像文本信息中提取关键词;然后对所述目标音频数据进行特征提取并依据提取的特征信息确定所述音频数据对应的音节,将所述目标音频数据对应的音节与所述关键词匹配;若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息;进而无需将目标音频数据对应的音节与语音识别词库中的原始字词进行匹配,能够提高语音识别效率。
其中,为了便于后续说明,本发明实施例先对如何在录制音频数据过程中,采集图像数据并将图像数据与音频数据关联进行说明。
在录音设备在录音过程中,接收图像采集指令。
本发明实施例中,当用户需要录音时,可以开启录音设备的录音功能,采用录音设备进行录音。在录音过程中,用户在需要记录其它维度的数据如图像资料,例如印刷资料、投屏图像等时,可以执行图像采集操作。待用户执行图像采集操作后,对应的录音设备可以接收到该图像采集操作对应的图像采集指令。
本发明的一个示例中,用户可以在录音设备中执行图像采集操作,对应的,可以录音设备可以根据接收到用户执行的图像采集操作,生成图像采集指令。
本发明的一个示例中,当录音设备与其它设备连接时,用户也可以在其他设备的与该录音设备对应的应用程序中,执行图像采集设备。此时,可以由其他设备根据用户的图像采集操作,生成图像采集指令;然后将图像采集指令发送给录音设备。
依据所述图像采集指令进行图像采集。
然后录音设备可以根据图像采集指令,调用图像采集模块进行图像采集,得到图像数据。
在录音过程中,用户可以执行多次图像采集操作,对应的,录音设备可以接收到多次图像采集指令。录音设备可以在每接收到一次图像采集指令时,进行一次图像采集,得到对应的图像帧。
将采集得到的图像数据与录音得到的音频数据进行关联并存储。
本发明实施例中,为了便于用户后续同时使用记录的多个维度的数据,在采集得到图像数据后,可以将采集得到的图像数据与录音得到的音频数据进行关联,并存储在录音设备中。其中,可以基于采集得到的图像数据的时间和录音得到的音频数据对应的时间,将图像数据和音频数据进行关联,本发明实施例对此不作限制。
一个示例中,录音设备可以在每采集一个图像帧后,将该图像帧与录音过程中得到的与该图像帧对应的音频帧进行关联;进而实现将采集得到的图像数据与录音得到的音频数据进行关联。另一个示例中,录音设备可以将在每采集一个图像帧后存储该图像帧;并在录音结束后,将图像数据的每个图像帧与录音得到的音频数据中对应的音频帧进行关联。
其中,将每个图像帧与对应音频帧进行关联的方式可以如下:针对所述图像数据中的目标图像帧,确定所述目标图像帧对应的目标时间戳;确定所述音频数据中时间戳与所述目标时间戳相同的目标音频帧;将所述目标图像帧和目标音频帧进行关联。
其中,若录音设备是在每采集一个图像帧后,将该图像帧与录音过程中得到的与该图像帧对应的音频帧进行关联,则可以将每次采集的一个图像帧作为目标图像帧。若录音设备是在录音结束后,将图像数据的每个图像帧与录音得到的音频数据中对应的音频帧进行关联,则每次可以任意从图像数据中选取一图像帧作为目标图像帧,直到将图像数据中所有的图像帧与音频数据中对应的音频帧关联为止。
本发明实施例中,针对一个目标图像帧,可以确定所述目标图像帧对应的目标时间戳,并从录音得到的音频数据中时间戳与所述目标时间戳相同的目标音频帧;然后将所述目标图像帧和目标音频帧进行关联。
以下以在采用录音设备录制目标音频数据的过程中,实时的对目标音频数据进行语音识别为例进行说明。
参照图3,示出了本发明的又一种语音处理方法实施例的步骤流程图。
步骤302、获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的。
本发明实施例中,在实时的对目标音频数据语音识别的过程中,可以是在录音设备每采集一段音频数据时,将该段音频数据作为目标音频数据,然后对该段目标音频数据进行语音识别。
当用户在录制该段目标音频数据的过程中,未采用录音设备进行图像采集,则录音设备在对该段目标音频数据进行语音识别时,无法获取到该段目标音频数据关联的目标图像数据。
当用户在录制该段目标音频数据的过程中,采用录音设备进行了图像采集,并得到目标图像数据;则录音设备会将该目标图像数据与该段目标音频数据进行关联。进而在对该段目标音频数据进行语音识别时,可以获取到该段目标音频数据对应的目标图像数据。其中,所述目标图像数据可以包括一个图像帧,也可以包括多个图像帧;本发明实施例对此不作限制。
步骤304、对所述目标图像数据进行文本识别,确定对应的图像文本信息。
本发明实施例中,可以先对目标图像数据进行文本识别,确定所述目标图像对应的图像文本信息。然后可以依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
本发明实施例中,对该段目标音频数据进行语音识别过程中,除了可以依据与该段目标音频数据关联的目标图像数据的图像文本信息,进行语音识别外,还可以依据本次录制过程中与在该段目标音频数据之前录制的每段目标音频数据关联的目标图像数据的图像文本信息,进行语音识别。也就是说可以基于目标图像数据的图像文本信息,对与其关联的一段目标音频数据进行语音识别,还可以在该段目标音频数据之后获取的其它段目标音频数据进行语音识别。可以参照步骤306-步骤308:
步骤306、确定所述目标图像数据对应的目标时间戳。
步骤308、依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。
本发明实施例中,可以先确定目标图像数据对应的目标时间戳,然后,可以依据该目标图像数据对应的图像文本信息,对时间戳在该目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。也就是说,若针对包含时间戳在目标时间戳之后的音频帧的一段目标音频数据,均可以采用该目标图像数据对应的图像文本信息,对该段目标音频数据进行语音识别。其中,具体的语音识别方式,可以参照上述子步骤2062-子步骤2068,在此不再赘述。
综上,本发明实施例中,可以确定所述目标图像数据对应的目标时间戳,依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息;进而能够提高实时语音识别的准确性。
以下在录音设备录制音频数据后,对目标音频数据进行语音识别为例进行说明。
参照图4,示出了本发明的又一种语音识别方法可选实施例的步骤流程图。
步骤402、获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的。
本发明实施例中,可以在录音设备录制目标音频数据结束后,获取目标音频数据和与目标音频数据关联的目标图像数据;然后依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,可以参照步骤404-步骤406:
步骤404、对所述目标图像数据进行文本识别,确定对应的图像文本信息。
步骤406、依据所述目标图像数据包含的所有图像帧的图像文本信息,对所述目标音频数据包含的所有音频帧进行语音识别,确定对应的语音识别文本信息。
本发明实施例中,可以依据录制目标音频数据整个过程中采集的目标图像数据,对完整的目标音频数据进行语音识别。其中,可以分别对目标图像数据所包含的所有图像帧进行文本识别,确定各图像帧对应的图像文本信息;然后依据各图像帧对应的图像文本信息,对所述目标音频数据包含的所有音频帧进行语音识别,确定对应的语音识别文本信息。
综上,本发明实施例中,可以依据所述目标图像数据包含的所有图像帧的图像文本信息,对完整的所述目标音频数据进行语音识别,确定对应的语音识别文本信息;从而能够提供对非实时音频数据的语音识别准确率。
本发明的一个可选实施例中,所述的方法还包括:接收传输指令;将所述传输指令对应的数据,传输至其他设备;所述传输指令对应的数据可以包括以下至少一种:目标音频数据、目标图像数据、语音识别文本信息和图像文本信息。进而用户能够将目标音频数据、目标图像数据、语音识别文本信息和图像文本信息中的一种或多种,传输至其他设备中;便于用户在其他设备中使用将目标音频数据、目标图像数据、语音识别文本信息和图像文本信息。所述传输指令可以包括分享指令、转发指令、转存指令等等,本发明实施例对此不作限制。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图5,示出了本发明的一种语音识别装置实施例的结构框图,具体可以包括如下模块:
获取模块502,用于获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;
识别模块504,用于依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
参照图6,示出了本发明的一种语音识别装置可选实施例的结构框图。
本发明一个可选的实施例中,所述识别模块504,包括:
图像识别子模块5042,用于对所述目标图像数据进行文本识别,确定对应的图像文本信息;
语音识别子模块5044,用于依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
本发明一个可选的实施例中,所述目标图像数据包括一个图像帧,
所述语音识别子模块5044,用于确定所述目标图像数据对应的目标时间戳;依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。
本发明一个可选的实施例中,所述语音识别子模块5044,用于依据所述目标图像数据包含的所有图像帧的图像文本信息,对完整的所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
本发明一个可选的实施例中,所述语音识别子模块5044,用于从所述图像文本信息中提取关键词;对所述目标音频数据进行特征提取并依据提取的特征信息确定所述音频数据对应的音节,将所述目标音频数据对应的音节与所述关键词匹配;若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息;若不存在与所述目标音频数据对应的音节匹配的所述关键词,则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配,确定所述目标音频数据对应的语音识别文本信息。
综上,本发明实施例中,可以获取目标音频数据,以及获取在录音设备在录制目标音频数据过程中采集的并与目标音频数据关联的目标图像数据;然后依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息;进而通过结合与目标音频数据关联的信息,对所述目标音频数据进行语音识别,来提高语音识别的准确率。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
图7是根据一示例性实施例示出的一种用于语音识别的电子设备700的结构框图。例如,电子设备700可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图7,电子设备700可以包括以下一个或多个组件:处理组件702,存储器704,电力组件706,多媒体组件708,音频组件710,输入/输出(I/O)的接口712,传感器组件714,以及通信组件716。
处理组件702通常控制电子设备700的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件702可以包括一个或多个处理器720来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件702可以包括一个或多个模块,便于处理组件702和其他组件之间的交互。例如,处理部件702可以包括多媒体模块,以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在电子设备700的操作。这些数据的示例包括用于在电子设备700上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件706为电子设备700的各种组件提供电力。电力组件706可以包括电源管理系统,一个或多个电源,及其他与为电子设备700生成、管理和分配电力相关联的组件。
多媒体组件708包括在所述电子设备700和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件708包括一个前置摄像头和/或后置摄像头。当电子设备700处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件710被配置为输出和/或输入音频信号。例如,音频组件710包括一个麦克风(MIC),当电子设备700处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中,音频组件710还包括一个扬声器,用于输出音频信号。
I/O接口712为处理组件702和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件714包括一个或多个传感器,用于为电子设备700提供各个方面的状态评估。例如,传感器组件714可以检测到电子设备700的打开/关闭状态,组件的相对定位,例如所述组件为电子设备700的显示器和小键盘,传感器组件714还可以检测电子设备700或电子设备700一个组件的位置改变,用户与电子设备700接触的存在或不存在,电子设备700方位或加速/减速和电子设备700的温度变化。传感器组件714可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件714还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件716被配置为便于电子设备700和其他设备之间有线或无线方式的通信。电子设备700可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件714经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件714还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器704,上述指令可由电子设备700的处理器720执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行一种语音识别方法,所述方法包括:获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:对所述目标图像数据进行文本识别,确定对应的图像文本信息;依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述目标图像数据包括一个图像帧,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:确定所述目标图像数据对应的目标时间戳;依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:依据所述目标图像数据包含的所有图像帧的图像文本信息,对完整的所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:从所述图像文本信息中提取关键词;对所述目标音频数据进行特征提取并依据提取的特征信息确定所述音频数据对应的音节,将所述目标音频数据对应的音节与所述关键词匹配;若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息;若不存在与所述目标音频数据对应的音节匹配的所述关键词,则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配,确定所述目标音频数据对应的语音识别文本信息。
图8是本发明根据另一示例性实施例示出的一种用于语音识别的电子设备800的结构示意图。该电子设备800可以是服务器,该服务器可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)822(例如,一个或一个以上处理器)和存储器832,一个或一个以上存储应用程序842或数据844的存储介质830(例如一个或一个以上海量存储设备)。其中,存储器832和存储介质830可以是短暂存储或持久存储。存储在存储介质830的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器822可以设置为与存储介质830通信,在服务器上执行存储介质830中的一系列指令操作。
服务器还可以包括一个或一个以上电源826,一个或一个以上有线或无线网络接口850,一个或一个以上输入输出接口858,一个或一个以上键盘856,和/或,一个或一个以上操作系统841,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
在示例性实施例中,服务器经配置以由一个或者一个以上中央处理器822执行一个或者一个以上程序包含用于进行以下操作的指令:获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:对所述目标图像数据进行文本识别,确定对应的图像文本信息;依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述目标图像数据包括一个图像帧,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:确定所述目标图像数据对应的目标时间戳;依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:依据所述目标图像数据包含的所有图像帧的图像文本信息,对完整的所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
可选地,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:从所述图像文本信息中提取关键词;对所述目标音频数据进行特征提取并依据提取的特征信息确定所述音频数据对应的音节,将所述目标音频数据对应的音节与所述关键词匹配;若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息;若不存在与所述目标音频数据对应的音节匹配的所述关键词,则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配,确定所述目标音频数据对应的语音识别文本信息。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种语音识别方法、一种语音识别装置和一种电子设备,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种语音识别方法,其特征在于,包括:
获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;
依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
2.根据权利要求1所述的方法,其特征在于,所述依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:
对所述目标图像数据进行文本识别,确定对应的图像文本信息;
依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
3.根据权利要求2所述的方法,其特征在于,所述目标图像数据包括一个图像帧,
所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:
确定所述目标图像数据对应的目标时间戳;
依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。
4.根据权利要求2所述的方法,其特征在于,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:
依据所述目标图像数据包含的所有图像帧的图像文本信息,对完整的所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
5.根据权利要求2所述的方法,其特征在于,所述依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息,包括:
从所述图像文本信息中提取关键词;
对所述目标音频数据进行特征提取并依据提取的特征信息确定所述音频数据对应的音节,将所述目标音频数据对应的音节与所述关键词匹配;
若存在与所述目标音频数据对应的音节匹配的所述关键词,则将匹配的关键词作为对应音节的语音识别文本信息;
若不存在与所述目标音频数据对应的音节匹配的所述关键词,则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配,确定所述目标音频数据对应的语音识别文本信息。
6.一种语音识别装置,其特征在于,包括:
获取模块,用于获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;
识别模块,用于依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
7.根据权利要求6所述的装置,其特征在于,所述识别模块,包括:
图像识别子模块,用于对所述目标图像数据进行文本识别,确定对应的图像文本信息;
语音识别子模块,用于依据所述图像文本信息对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
8.根据权利要求7所述的装置,其特征在于,所述目标图像数据包括一个图像帧,
所述语音识别子模块,用于确定所述目标图像数据对应的目标时间戳;依据所述图像文本信息,对目标时间戳之后的目标音频数据进行语音识别,确定对应的语音识别文本信息。
9.一种电子设备,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取目标音频数据和与目标音频数据关联的目标图像数据,所述目标图像数据是录音设备在录制目标音频数据过程中采集的;
依据所述目标图像数据对所述目标音频数据进行语音识别,确定对应的语音识别文本信息。
10.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如方法权利要求1-5任一所述的语音识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010990404.5A CN112102843A (zh) | 2020-09-18 | 2020-09-18 | 一种语音识别方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010990404.5A CN112102843A (zh) | 2020-09-18 | 2020-09-18 | 一种语音识别方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112102843A true CN112102843A (zh) | 2020-12-18 |
Family
ID=73759072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010990404.5A Pending CN112102843A (zh) | 2020-09-18 | 2020-09-18 | 一种语音识别方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102843A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678404A (zh) * | 2012-09-21 | 2014-03-26 | 联想(北京)有限公司 | 一种关键词识别方法及电子设备 |
CN106888155A (zh) * | 2017-01-21 | 2017-06-23 | 上海量明科技发展有限公司 | 信息采集及共享的方法、客户端及系统 |
CN108401192A (zh) * | 2018-04-25 | 2018-08-14 | 腾讯科技(深圳)有限公司 | 视频流处理方法、装置、计算机设备及存储介质 |
CN108885614A (zh) * | 2017-02-06 | 2018-11-23 | 华为技术有限公司 | 一种文本和语音信息的处理方法以及终端 |
CN109410935A (zh) * | 2018-11-01 | 2019-03-01 | 平安科技(深圳)有限公司 | 一种基于语音识别的目的地搜索方法及装置 |
CN110598651A (zh) * | 2019-09-17 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及存储介质 |
CN110992958A (zh) * | 2019-11-19 | 2020-04-10 | 深圳追一科技有限公司 | 内容记录方法、装置、电子设备及存储介质 |
CN111564157A (zh) * | 2020-03-18 | 2020-08-21 | 浙江省北大信息技术高等研究院 | 会议记录优化方法、装置、设备及存储介质 |
-
2020
- 2020-09-18 CN CN202010990404.5A patent/CN112102843A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678404A (zh) * | 2012-09-21 | 2014-03-26 | 联想(北京)有限公司 | 一种关键词识别方法及电子设备 |
CN106888155A (zh) * | 2017-01-21 | 2017-06-23 | 上海量明科技发展有限公司 | 信息采集及共享的方法、客户端及系统 |
CN108885614A (zh) * | 2017-02-06 | 2018-11-23 | 华为技术有限公司 | 一种文本和语音信息的处理方法以及终端 |
CN108401192A (zh) * | 2018-04-25 | 2018-08-14 | 腾讯科技(深圳)有限公司 | 视频流处理方法、装置、计算机设备及存储介质 |
CN109410935A (zh) * | 2018-11-01 | 2019-03-01 | 平安科技(深圳)有限公司 | 一种基于语音识别的目的地搜索方法及装置 |
CN110598651A (zh) * | 2019-09-17 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及存储介质 |
CN110992958A (zh) * | 2019-11-19 | 2020-04-10 | 深圳追一科技有限公司 | 内容记录方法、装置、电子设备及存储介质 |
CN111564157A (zh) * | 2020-03-18 | 2020-08-21 | 浙江省北大信息技术高等研究院 | 会议记录优化方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107644646B (zh) | 语音处理方法、装置以及用于语音处理的装置 | |
WO2017092122A1 (zh) | 相似性确定方法、装置及终端 | |
WO2017088247A1 (zh) | 输入处理方法、装置及设备 | |
CN106534951B (zh) | 视频分割方法和装置 | |
CN106777016B (zh) | 基于即时通信进行信息推荐的方法及装置 | |
CN110781813A (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN112291614A (zh) | 一种视频生成方法及装置 | |
CN111160047A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN112532931A (zh) | 一种视频处理方法、装置和电子设备 | |
CN113032627A (zh) | 视频分类方法、装置、存储介质及终端设备 | |
CN111739535A (zh) | 一种语音识别方法、装置和电子设备 | |
CN111629270A (zh) | 一种候选项确定方法、装置及机器可读介质 | |
CN112087653A (zh) | 一种数据处理方法、装置和电子设备 | |
CN113987128A (zh) | 相关文章搜索方法、装置、电子设备和存储介质 | |
CN110928425A (zh) | 信息监控方法及装置 | |
CN108600625A (zh) | 图像获取方法及装置 | |
CN110110046B (zh) | 同名实体推荐方法及装置 | |
CN113936697A (zh) | 语音处理方法、装置以及用于语音处理的装置 | |
CN115374075B (zh) | 一种文件类型识别方法及装置 | |
CN107122801B (zh) | 图像分类的方法和装置 | |
CN111831132A (zh) | 一种信息推荐方法、装置和电子设备 | |
CN112035628B (zh) | 对话数据清洗方法、装置及存储介质 | |
CN112004033B (zh) | 视频封面确定方法及装置、存储介质 | |
CN113127613B (zh) | 聊天信息处理方法及装置 | |
CN112115696A (zh) | 一种数据处理方法、装置和录音设备 |
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 |