CN112309385A

CN112309385A - 一种语音识别方法、装置、电子设备及介质

Info

Publication number: CN112309385A
Application number: CN201910816819.8A
Authority: CN
Inventors: 不公告发明人
Original assignee: Beijing ByteDance Network Technology Co Ltd
Current assignee: Beijing ByteDance Network Technology Co Ltd
Priority date: 2019-08-30
Filing date: 2019-08-30
Publication date: 2021-02-02

Abstract

本公开实施例公开了一种语音识别方法、装置、电子设备及介质。该方法包括：获取用户诵读目标语音文本的用户读音，并生成所述目标语音文本的目标语音文本图像；根据所述目标语音文本图像确定所述目标语音文本中的语句，并获取所述目标语音文本中的语句的正确读音；根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果，并将所述语音识别结果显示在所述目标语音文本上。本公开实施例的技术方案，解决了现有技术中不仅需要前置存储正确发音结果，并且无法实现实时监测用户的发音是否准确，以及及时对用户发音进行校正的问题，实现实时检测用户发音的准确性，提高语音修正效率。

Description

一种语音识别方法、装置、电子设备及介质

技术领域

本公开涉及语音识别技术领域，尤其涉及一种语音识别方法、装置、电子设备及介质。

背景技术

人们在日常的生活或学习中，语言是人类最重要的交际工具，是人们进行沟通的主要表达方式。人类的语言首先是以语音的形式形成，语音在语言中起决定性的支撑作用。

通常来说判断人们的发音是否准确，首先，通过获取人们在读诵目标文件的当前语音，对当前语音进行识别得到用户的发音，将用户的发音和预先存储的正确的发音二者进行比对。现有的方法不仅需要前置存储正确发音结果，并且无法实现实时监测用户的发音是否准确，及时对用户发音进行校正。

发明内容

本公开提供一种语音识别方法、装置、电子设备及介质，以实现实时检测用户发音的准确性，提高语音修正效率。

第一方面，本公开实施例提供了一种语音识别方法，该方法包括：

获取用户诵读目标语音文本的用户读音，并生成所述目标语音文本的目标语音文本图像；

根据所述目标语音文本图像确定所述目标语音文本中的语句，并获取所述目标语音文本中的语句的正确读音；

根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果，并将所述语音识别结果显示在所述目标语音文本上。

第二方面，本公开实施例还提供了一种语音识别装置，该装置包括：

目标语音文本图像生成模块，用于获取用户诵读目标语音文本的用户读音，并生成所述目标语音文本的目标语音文本图像；

语句正确读音获取模块，用于根据所述目标语音文本图像确定所述目标语音文本中的语句，并获取所述目标语音文本中的语句的正确读音；

语音识别结果确定模块，用于根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果，并将所述语音识别结果显示在所述目标语音文本上。

第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的语音识别方法。

第四方面，本公开实施例还提供了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如本公开实施例任一所述的语音识别方法。

本公开实施例的技术方案，通过获取用户诵读目标语音文本的用户读音，并生成所述目标语音文本的目标语音文本图像，根据所述目标语音文本图像确定所述目标语音文本中的语句，并获取所述目标语音文本中的语句的正确读音，根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果，并将所述语音识别结果显示在所述目标语音文本上，解决了现有技术中不仅需要前置存储正确发音结果，并且无法实现实时监测用户的发音是否准确，以及及时对用户发音进行校正的问题，实现实时检测用户发音的准确性，提高语音修正效率。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是本公开实施例一所提供的一种语音识别方法的流程图；

图2是本公开实施例二所提供的一种语音识别方法的流程图；

图3是本公开实施例三所提供的一种语音识别装置的结构示意图；

图4为本公开实施例三所提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

实施例一

图1为本公开实施例一所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发音是否准确进行识别的情况，该方法可以由语音识别装置来执行，该装置可以通过软件和/或硬件的形式实现。

如图1所述，本实施例的方法包括：

S110、获取用户诵读目标语音文本的用户读音，并生成所述目标语音文本的目标语音文本图像。

其中，目标语音文本可以为用户日常生活阅读的书籍、报纸或杂志等书面文本，或者通过网络页面展示的文字阅读资料，或者为了语言学习进行练习使用的练习题目等内容，目标语音本文的语言可以为中文、其他语言或是包含多种语言组合而成的，本发明实施例中对目标语音文本的类型和语言种类仅做解释说明，而不对此进行限制。

目标语音文本图像可以是通过摄像机或是具有摄录功能的摄像头对目标语音文本进行拍摄获取的，目标语音文本图像拍摄的是整页或是整版完整的目标语音文本的页面，也就是说，当目标语音文本为书面文本时，例如，书籍或是练习册等，拍摄获取的是书面文本整页书面的内容作为目标语音文本图像；当目标语音文本为网络页面时，例如，网络书籍或是网络练习工具，则可以通过拍摄获取整版网络页面获取完整的网络页面内容，或是使用计算机自带的截图功能，截取整版网络页面以获取对应网络页面的内容。本发明实施例对目标语音文本图像的获取方式，仅做示例性说明，而不对其的获取方式进行任何限制，现有技术可以实现目标语音文本图像获取的方式均可以应用于本发明实施例的技术方案中进行实现。

具体的，在用户诵读目标语音文本时，通过录音等方式记录下用户诵读目标语音文本的用户读音，同时获取目标语音文本的目标语音文本图像。

S120、根据所述目标语音文本图像确定所述目标语音文本中的语句，并获取所述目标语音文本中的语句的正确读音。

具体的，通过现有的文字识别技术对目标语音文本图像中的内容进行识别，可选的，OCR文字识别软件拥有高速识别功能，能够快速识别图片上的文字内容，且支持多种图片格式，例如JPG或BMP等。可以理解的是通过文字识别软件对目标语音文本中的每个语句内容进行识别，语句包括词语和句子。进一步地，通过字典等工具对识别到的目标语音文本的词语和句子进行拼音查询，以获取目标语音文本中的语句的正确读音。

需要说明的是无论是中文或是其他语言都存在一字或一词多音的情况，在获取目标语音文本中的语句的正确读音时，需要考虑多音字或是不同发音的单词的情况，根据目标语音文本中的多音字或是不同发音的单词与前后词组合的词语确定该字或是单词的正确读音。

S130、根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果，并将所述语音识别结果显示在所述目标语音文本上。

其中，所述语音识别结果是所述用户读音的准确率，将所述用户读音的准确率显示在所述目标语音文本上，可选的，显示在目标语音文本上的指定显示区域，或是语句的附近区域，其中，指定显示区域可以但不限于由本领域技术人员根据实际情况进行设置，语句的附近区域可以为语句的上方空白区域或是下方空白区域，本发明实施例对此不作任何限制；或是，所述语音识别结果是所述用户读音中不准确的语句或是单词，并在所述目标语音文本中显示出所述不准确的语句或是单词。

具体的，将用户读音的拼音结果和目标语音文本中对应的语句的正确读音的拼音结果进行一一比对，将比对结果作为用户的语音识别结果，即通知用户对目标语音文本的诵读的发音准确性，例如，根据目标语音文本中包含的总的词汇量，与语音识别结果中的显示出的正确词汇量或是错误词汇量比较，确定用户诵读目标语音文本的读音正确率或是错误率。另一方面，也可以将语音识别结果中用户读音中不准确的语句或是单词，在目标语音文本中的对应位置显示出，可以通过不同字体、字体倾斜或是高亮文本对读音不准确的语句或是单词进行突出显示，以供用户直观、方便、实时以及准确查找到读音不准确的语句或是单词，提升用户体验感。

实施例二

作为上述实施例一优选实施例，图2为本公开实施例二所提供的一种语音识别方法的流程图。

如图2所示，所述方法包括：

S210、获取用户诵读目标语音文本的用户读音，并生成所述目标语音文本的目标语音文本图像。

S220、通过对所述目标语音文本图像进行文字识别，确定所述目标语音文本中的语句。

S230、判断所述目标语音文本中的语句是否包含多音字，若是，获取所述多音字的多个读音。

具体的，对目标语音文本中的语句所包含的每一个字都需要实时进行其对应拼音的查询，拼音查询通过常规字典、网络字典或是词典数据库作为后台支持，在查询到该字是多音字时，则将该多音词的多个读音都进行获取。

S240、根据所述目标语音文本中的语句和所述多音字的多个读音确定所述目标语音文本中的语句的正确读音。

其中，根据所述目标语音文本中的语句和所述多音字的多个读音确定所述目标语音文本中的语句的正确读音，包括：根据所述目标语音文本中的语句确定与所述多音字对应的词语，并根据所述词语和所述多音字的多个读音确定所述多音字的正确读音；根据所述目标语音文本中的语句和所述多音字的正确读音确定所述目标语音文本中的语句的正确读音。

具体的，确定当前多音字与当前多音字前面或后面的词组成的词汇，依据该词汇确定当前多音字的读音。示例性的，以中文为例，在目标语音文本中的词语天地长久，其正确读音为“tiāndìchángjiǔ”，长在汉语中有两个读音，分别为“cháng”和“zhǎng”，在该词语中长与后面的字共同组成的长久这个词语，可以轻松判断出长的正确读音为“cháng”。

S250、根据所述用户读音确定所述用户诵读的目标语句，并通过模糊匹配确定所述目标语句对应在所述目标语音文本的目标语句位置。

S260、根据所述目标语句对应在所述目标语音文本的目标语句位置确定所述目标语句的正确读音。

具体的，在用户诵读目标语音文本时，可以通过对用户诵读的内容一个语句甚至一个字便做一次读音比对，可以理解的是在对一个语句甚至一个字比对时，需要首先确定该语句或是字在目标语音文本中的位置，通过确定该语句或字在目标语音文本中的目标语句位置，进而可以实现用户读音与相应的正确读音的对比。

S270、根据所述目标语句的正确读音和所述用户读音确定所述用户的语音识别结果，并将所述语音识别结果显示在所述目标语音文本上。

本公开实施例的技术方案，通过先对用户目标语音文本拍照获得目标语音文本图像，根据目标语音文本图像识别出目标语音文本中的语句，并通过拼音查询等方法确定目标语音文本中的语句的正确读音，进一步的，根据实时语音识别用户诵读目标语音文本的用户读音，将用户读音所对应的语句与目标语音文本中的语句的正确读音进行匹配，生成用户的语音识别结果，解决了现有技术中不仅需要前置存储正确发音结果，并且无法实现实时监测用户的发音是否准确，以及及时对用户发音进行校正的问题，避免了为快速获取正确读音进行前置存储正确读音，节省语音识别功能设备的存储空间，同时，实现实时检测用户发音的准确性，提高语音修正效率。

实施例三

图3为本公开实施例三提供的一种语音识别装置的结构示意图，该装置包括：目标语音文本图像生成模块310、语句正确读音获取模块320和语音识别结果确定模块330。

目标语音文本图像生成模块310，用于获取用户诵读目标语音文本的用户读音，并生成所述目标语音文本的目标语音文本图像；

语句正确读音获取模块320，用于根据所述目标语音文本图像确定所述目标语音文本中的语句，并获取所述目标语音文本中的语句的正确读音；

语音识别结果确定模块330，用于根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果，并将所述语音识别结果显示在所述目标语音文本上。

在上述各技术方案的基础上，根据所述目标语音文本图像确定所述目标语音文本中的语句，包括：

语句确定单元，用于通过对所述目标语音文本图像进行文字识别，确定所述目标语音文本中的语句。

在上述各技术方案的基础上，获取所述目标语音文本中的语句的正确读音，包括：

读音获取单元，用于判断所述目标语音文本中的语句是否包含多音字，若是，获取所述多音字的多个读音；

正确读音确定单元，用于根据所述目标语音文本中的语句和所述多音字的多个读音确定所述目标语音文本中的语句的正确读音。

在上述各技术方案的基础上，正确读音确定单元，包括：

多音字的正确读音确定子单元，用于根据所述目标语音文本中的语句确定与所述多音字对应的词语，并根据所述词语和所述多音字的多个读音确定所述多音字的正确读音；

语句的正确读音确定子单元，用于根据所述目标语音文本中的语句和所述多音字的正确读音确定所述目标语音文本中的语句的正确读音。

在上述各技术方案的基础上，所述装置还包括：

目标语句位置确定模块，用于根据所述用户读音确定所述用户诵读的目标语句，并通过模糊匹配确定所述目标语句对应在所述目标语音文本的目标语句位置。

在上述各技术方案的基础上，语音识别结果确定模块330，包括：

目标语句的正确读音确定单元，用于根据所述目标语句对应在所述目标语音文本的目标语句位置确定所述目标语句的正确读音；

语音识别结果确定单元，用于根据所述目标语句的正确读音和所述用户读音确定所述用户的语音识别结果。

在上述各技术方案的基础上，所述语音识别结果是所述用户读音的准确率；或是，

所述语音识别结果是所述用户读音中不准确的语句或是单词，并在所述目标语音文本中显示出所述不准确的语句或是单词。

本公开实施例所提供的语音识别装置可执行本公开任意实施例所提供的语音识别方法，具备执行语音识别方法相应的功能模块和有益效果。

值得注意的是，上述装置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，并不用于限制本公开实施例的保护范围。

实施例四

下面参考图4，其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端设备或服务器)400的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置406；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置406被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。本公开实施例提供的终端与上述实施例提供的语音识别方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见上述实施例，并且本公开实施例与上述实施例具有相同的有益效果。

实施例五

本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的语音识别方法。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，读音获取单元还可以被描述为“获取多音字多个读音单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，【示例一】提供了一种语音识别方法，该方法包括：

根据本公开的一个或多个实施例，【示例二】提供了一种语音识别方法，还包括：

可选的，根据所述目标语音文本图像确定所述目标语音文本中的语句，包括：

通过对所述目标语音文本图像进行文字识别，确定所述目标语音文本中的语句。

根据本公开的一个或多个实施例，【示例三】提供了一种语音识别方法，还包括：

可选的，获取所述目标语音文本中的语句的正确读音，包括：

判断所述目标语音文本中的语句是否包含多音字，若是，获取所述多音字的多个读音；

根据所述目标语音文本中的语句和所述多音字的多个读音确定所述目标语音文本中的语句的正确读音。

根据本公开的一个或多个实施例，【示例四】提供了一种语音识别方法，还包括：

可选的，根据所述目标语音文本中的语句和所述多音字的多个读音确定所述目标语音文本中的语句的正确读音，包括：

根据所述目标语音文本中的语句确定与所述多音字对应的词语，并根据所述词语和所述多音字的多个读音确定所述多音字的正确读音；

根据所述目标语音文本中的语句和所述多音字的正确读音确定所述目标语音文本中的语句的正确读音。

根据本公开的一个或多个实施例，【示例五】提供了一种语音识别方法，还包括：

可选的，在根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果之前，还包括：

根据所述用户读音确定所述用户诵读的目标语句，并通过模糊匹配确定所述目标语句对应在所述目标语音文本的目标语句位置。

根据本公开的一个或多个实施例，【示例六】提供了一种语音识别方法，还包括：

可选的，根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果，包括：

根据所述目标语句对应在所述目标语音文本的目标语句位置确定所述目标语句的正确读音；

根据所述目标语句的正确读音和所述用户读音确定所述用户的语音识别结果。

根据本公开的一个或多个实施例，【示例七】提供了一种语音识别方法，还包括：

可选的，所述语音识别结果是所述用户读音的准确率；或是，

根据本公开的一个或多个实施例，【示例八】提供了一种语音识别装置，该装置包括：

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims

1.一种语音识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，根据所述目标语音文本图像确定所述目标语音文本中的语句，包括：

3.根据权利要求1所述的方法，其特征在于，获取所述目标语音文本中的语句的正确读音，包括：

4.根据权利要求3所述的方法，其特征在于，根据所述目标语音文本中的语句和所述多音字的多个读音确定所述目标语音文本中的语句的正确读音，包括：

5.根据权利要求1所述的方法，其特征在于，在根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果之前，还包括：

6.根据权利要求5所述的方法，其特征在于，根据所述用户读音和所述目标语音文本中的语句的正确读音确定所述用户的语音识别结果，包括：

7.根据权利要求1所述的方法，其特征在于，所述语音识别结果是所述用户读音的准确率；或是，

8.一种语音识别装置，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的语音识别方法。

10.一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如权利要求1-7中任一所述的语音识别方法。