CN112382294A - 语音识别方法、装置、电子设备和存储介质 - Google Patents
语音识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112382294A CN112382294A CN202011226698.0A CN202011226698A CN112382294A CN 112382294 A CN112382294 A CN 112382294A CN 202011226698 A CN202011226698 A CN 202011226698A CN 112382294 A CN112382294 A CN 112382294A
- Authority
- CN
- China
- Prior art keywords
- voice
- voice data
- identification information
- preset
- target
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 199
- 230000008569 process Effects 0.000 claims abstract description 153
- 238000007906 compression Methods 0.000 claims abstract description 24
- 230000006835 compression Effects 0.000 claims abstract description 24
- 238000004891 communication Methods 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 34
- 238000004422 calculation algorithm Methods 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005538 encapsulation Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/32—Multiple recognisers used in sequence or in parallel; Score combination systems therefor, e.g. voting systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
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)
- Telephonic Communication Services (AREA)
Abstract
本申请公开了一种语音识别方法、装置、电子设备和存储介质，涉及语音技术和深度学习技术等人工智能技术领域。具体实现方案为：通过预设的第一进程识别目标语音数据中是否包含唤醒词；若包含唤醒词，则通过第一进程生成与目标语音数据对应的语音标识信息；控制第一进程通过预设的通信链路，向预设的第二进程发送包含语音标识信息的唤醒提醒消息；通过第二进程获取目标语音数据，对目标语音数据压缩生成压缩语音数据；通过第二进程向服务器发送压缩语音数据。由此，将语音唤醒算法与语音压缩处理业务解耦，便于各自独立升级和维护，且由于语音唤醒算法与语音压缩处理业务运行在独立的进程中，避免了单进程负载过高的问题，保证了语音处理的服务质量。
Description
技术领域
本申请涉及语音技术和深度学习技术等人工智能技术领域，尤其涉及一种语音识别方法、装置、电子设备和存储介质。
背景技术
随着智能语音交互的普及，围绕着语音交互的应用和产品不断面世。同时语音交互系统的架构设计正不断被改进，对语音算法的处理封装的合理性、工程链路可靠性、数据处理实时性和数据传输完整性的考验也随之不断提升。
相关技术中，语音交互系统对终端设备上的语音算法封装、工程链路、数据处理、网络传输等模块的设计与实现的要求很高，因为语音处理的质量影响了语音唤醒率和语音识别率的核心指标。因此，亟需一种可以提高语音处理质量的方式。
发明内容
本申请提提供了一种语音识别方法、装置、电子设备和存储介质，以避免了单进程负载过高的问题。
根据第一方面，提供了一种语音识别方法，包括以下步骤：在获取到目标语音数据后，通过预设的第一进程识别所述目标语音数据中是否包含唤醒词；若包含所述唤醒词，则通过所述第一进程生成与所述目标语音数据对应的语音标识信息；控制所述第一进程通过预设的通信链路，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息；通过所述第二进程响应于所述唤醒提醒消息，根据所述语音标识信息获取所述目标语音数据，对所述目标语音数据压缩生成压缩语音数据；通过所述第二进程向服务器发送所述压缩语音数据，以便于所述服务器对所述压缩语音数据进行语音识别。
根据第二方面，提供了一种语音识别装置，包括：识别模块，用于在获取到目标语音数据后，通过预设的第一进程识别所述目标语音数据中是否包含唤醒词；生成模块，用于在包含所述唤醒词时，通过所述第一进程生成与所述目标语音数据对应的语音标识信息；第一发送模块，用于控制所述第一进程通过预设的通信链路，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息；语音压缩模块，用于通过所述第二进程响应于所述唤醒提醒消息，根据所述语音标识信息获取所述目标语音数据，对所述目标语音数据压缩生成压缩语音数据；第二发送模块，用于通过所述第二进程向服务器发送所述压缩语音数据，以便于所述服务器对所述压缩语音数据进行语音识别。
根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的语音识别方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质所述计算机指令用于使所述计算机执行上述第一方面所述的语音识别方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的语音识别方法的流程示意图；
图2是根据本申请第二实施例的语音识别方法的流程示意图；
图3是根据本申请第三实施例的语音识别方法的流程示意图；
图4是根据本申请第四实施例的语音识别方法的流程示意图；
图5是根据本申请第五实施例的语音识别装置的结构示意图；
图6是根据本申请第六实施例的语音识别装置的结构示意图；
图7是根据本申请第七实施例的语音识别装置的结构示意图；
图8是用来实现本申请实施例的语音识别的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了满足现有技术中，对语音处理质量的要求，本申请的申请人发现，若是唤醒算法和语音压缩处理业务耦合在一起为一个进程，则会导致唤醒算法和语音压缩处理业务的迭代需要一起进行，难以单独迭代，并且，耦合在一起的唤醒算法和语音压缩处理业务，会导致内存占用率较高，造成语音处理的性能的抖动，比如，当剩余内存较低时，则会导致语音识别卡顿等。
为了解决上述技术问题，本申请中提出了一种将唤醒算法和语音压缩处理业务拆分为两个进程进行处理，从而，便于唤醒算法和语音压缩处理业务各自迭代升级，唤醒算法和语音压缩处理业务各自运行在独立的进程中，不容易出现单进程负载过高的问题，保证了语音处理的识别性能。
下面参考附图描述本申请实施例的语音识别方法、装置、电子设备和存储介质，其中，本申请中的语音识别方法应用于电子设备中，电子是设备可以是“小度”机器人等智能语音设备。
具体而言，图1是根据本申请一个实施例的语音识别方法的流程图，如图1所示，该语音识别方法包括：
在步骤101中，在获取到目标语音数据后，通过预设的第一进程识别目标语音数据中是否包含唤醒词。
其中，目标语音数据可以是处理后的用户发送的语音数据，在实际执行过程中，并非是对用户所有的语音数据都进行响应，只有当目标语音数据中包含唤醒词后才进行有关响应，其中，唤醒词可以是系统标定的，比如是“小度”、“你好”等。
需要强调的是，本申请实施例的识别唤醒次功能单独的通过第一进程执行，而不是与其他功能耦合，从而以便于第一进程的单独维护，以及将唤醒词检测与其他的功能所占用的内存隔离开，避免内存抢占的问题。
需要说明的是，在不同的应用场景中，通过预设的第一进程识别所述目标语音数据中是否包含唤醒词的方式不同，示例如下：
示例一：
在本示例中，提取目标语音数据中的语音特征，将该语音特征与预设的唤醒词的语音特征比对，若是比对结果一致，则认为目标语音数据中包含唤醒词。
示例二：
在本示例中，预先根据大量实验数据构建深度学习模型，该深度学习模型基于深度学习技术学习了语音数据的语音特征，从而，将目标语音数据输入到深度学习模型，根据模型输出结果确定该目标语音数据中是否包含唤醒词。
在步骤102中，若包含唤醒词，则通过第一进程生成与目标语音数据对应的语音标识信息。
在本实施例中，如包含唤醒词，则认为对应的目标语音数据是对智能设备的控制指令等，为了提高智能设备在人工智能服务场景下的交互服务体验，需要识别该目标语音数据。
在本实施例中，首先通过第一进程生成与目标语音数据对应的语音标识信息，该语音标识信息可以为水印、数字、字母中的任意一种或多种，以用于标识语音标识信息的唯一性，在一些可能的实施例中，该语音标识信息还可以是根据目标语音数据的接收时间信息进行哈希计算后得到的。
在步骤103中，控制第一进程通过预设的通信链路，向预设的第二进程发送包含语音标识信息的唤醒提醒消息。
需要强调的是，本实施例中，将语音数据压缩业务单独通过第二进程来实现，由此，不但便于对语音压缩业务的更新维护，也避免了语音压缩业务与其他算法的内存抢占。
在本实施例中，第一进程和第二进程通过预设的通信链路进行通信，通信的方式根据第一进程和第二进程所处的位置有关，在本实施例中，当第一进程和第二进程位于一个芯片(该芯片指的是终端设备的内部处理芯片，根据终端设备硬件配置的不同，可以包括CPU(Central Processing Unit，中央处理器)、MCU(Microcontroller Unit，微控制单元)、FPGA(Field Programmable Gate Array，现场可编程门列阵)、SoC(System-on-a-Chip，集成电路芯片)等)时，比如均位于终端设备中的CPU芯片内，则第一进程和第二进程可以通过远程过程调用(Remote Procedure Call，RPC)链路通信，当然，第一进程和第二进程也可以位于同一个智能设备的不同芯片中，比如，第一进程位于SoC芯片，第二进程位于FPGA芯片，则第一进程和第二进程可以通过控制器局域网络(Controller Area Network，CAN)通信，即控制第一进程通过控制器局域网络CAN网络，向预设的第二进程发送包含语音标识信息的唤醒提醒消息。
可以理解的是，可以在第一进程对应的数据库中预先存储语音标识信息和目标语音信息的对应关系，因此，第二进程可以根据语音标识信息向第一进程追溯，获取与语音标识信息对应的目标语音数据。
在步骤104中，通过第二进程响应于唤醒提醒消息，根据语音标识信息获取目标语音数据，对目标语音数据压缩生成压缩语音数据。
在步骤105中，通过第二进程向服务器发送压缩语音数据，以便于服务器对压缩语音数据进行语音识别。
在本实施例中，通过第二进程响应于唤醒提醒消息，根据语音标识信息获取目标语音数据，正如以上提到的，可以控制第二进程向第一进程发送包含语音标识信息的数据读取请求，以使得第一进程获取并向第二进程反馈与语音标识信息对应的目标语音数据，比如，第一进程从本地数据库中读取与语音标识信息对应的目标语音数据。
在本实施例中，在第一进程向第二进程发送唤醒提醒消息后，第一进程还可以将目标语音数据发送给对应的语音检测进程，使得语音检测进程识别到目标语音数据的起点和终点，根据起点和终点对目标语音数据裁剪后反馈给第一进程，使得第二进程发送包含语音标识信息的数据读取请求后，将裁剪后的目标语音数据发送给第二进程。其中，语音检测进程可以将唤醒词后的第一个字节确定为起点字节，将停顿时间大于预设时长的字节确定为终点字节等。
当然，如图2所示，当第一进程检测到目标语音数据包含唤醒词后，为了避免相近时间内接收到多个目标语音数据，导致语音数据发送混乱，还可以将目标语音数据生成的语音标识信息标记在目标语音数据中，将标记后的目标语音数据和包含语音标识信息的唤醒提醒消息分成两路发送到第二进程，第二进程可以根据唤醒提醒消息中的语音标识信息和接收到的目标语音数据中的语音标识信息，得到与每个唤醒提醒消息匹配的目标语音数据。
进一步的，为了避免发送的数据量较大，第二进程对目标语音数据编码压缩处理后，将得到的压缩语音数据发送给对应的服务器，使得服务器对压缩语音数据进行解压缩后，根据目标语音数据进行文本识别，将识别到的文本发送给第二进程，以便于智能设备根据识别文本提供有关交互服务。
比如，目标语音数据为“我要看看今天的天气”，则反馈的识别文本为文本形式的“我要看看今天的天气”。
综上，本申请实施例的语音识别方法，在获取到目标语音数据后，通过预设的第一进程识别目标语音数据中是否包含唤醒词，若包含唤醒词，则通过第一进程生成与目标语音数据对应的语音标识信息，控制第一进程通过预设的通信链路，向预设的第二进程发送包含语音标识信息的唤醒提醒消息，进而，通过第二进程响应于唤醒提醒消息，根据语音标识信息获取目标语音数据，对目标语音数据压缩生成压缩语音数据，最后，通过第二进程向服务器发送压缩语音数据，以便于服务器对压缩语音数据进行语音识别。由此，将语音唤醒算法与语音压缩处理业务解耦，便于各自独立升级和维护，且由于语音唤醒算法与语音压缩处理业务运行在独立的进程中，避免了单进程负载过高的问题，保证了语音处理的服务质量。
基于上述实施例，为了进一步保证语音识别服务的稳定性，还开发针对语音识别的语音识别系统，如图3所示，该语音识别系统包括语音采集模块、信号处理模块、第一进程对应的音频封装模块，第二进程对应的语音封装(Software Development Kit，SDK)模块，后续简称SDK模块，其中，音频封装模块和SDK模块通过RPC的方式交互。
在本实施例中，语音采集设备可以是麦克风等，通过语音采集设备采集用户的初始语音数据，进而，通过信号处理模块对初始语音数据进行去噪处理，参照图4，去噪处理包括但不限于对从麦克风获得的数据进行降噪消除、解混响、声源定位和信号增强等信号处理操作，去噪处理的语音数据即为可进行唤醒识别的目标语音数据。
在本实施例中，可以对信号处理模块发送给音频封装模块的目标语音数据进行唤醒词的检测，若是识别到对应的唤醒词，则可以对目标语音数据进行水印的添加，以便于对目标语音数据的回溯，音频封装模块上抛给SDK模块后，SDK模块对目标语音数据进行编码压缩得到压缩语音数据，将压缩语音数据发送给服务器进行识别，服务器将识别到的识别文本反馈给SDK模块。
综上，本申请实施例的语音识别方法，可以基于语音识别系统的开发，实现对语音数据的识别系统化，进一步提升了语音识别的服务质量。
为了实现上述实施例，本申请还提出了一种语音识别装置。图5是根据本申请一个实施例的语音识别装置的结构示意图，如图5所示，该语音识别装置包括：识别模块501、生成模块502、第一发送模块503、语音压缩模块504、第二发送模块505，其中，
识别模块501，用于在获取到目标语音数据后，通过预设的第一进程识别目标语音数据中是否包含唤醒词；
生成模块502，用于在包含唤醒词时，通过第一进程生成与目标语音数据对应的语音标识信息；
第一发送模块503，用于控制第一进程通过预设的通信链路，向预设的第二进程发送包含语音标识信息的唤醒提醒消息；
语音压缩模块504，用于通过第二进程响应于唤醒提醒消息，根据语音标识信息获取目标语音数据，对目标语音数据压缩生成压缩语音数据；
第二发送模块504，用于通过第二进程向服务器发送压缩语音数据，以便于服务器对压缩语音数据进行语音识别。
在本申请的一个实施例中，当第一进程和第二进程位于同一个芯片时，第一发送模块503，具体用于：
控制第一进程通过远程过程调用RPC链路，向预设的第二进程发送包含语音标识信息的唤醒提醒消息。
在本申请的一个实施例中，当第一进程和第二进程位于不同芯片时，第一发送模块503，具体用于：
控制第一进程通过控制器局域网络CAN网络，向预设的第二进程发送包含语音标识信息的唤醒提醒消息。
在本申请的一个实施例中，语音压缩模块504，具体用于：
控制第二进程向第一进程发送包含语音标识信息的数据读取请求，以使得第一进程获取并向第二进程反馈与语音标识信息对应的目标语音数据。
在本申请的一个实施例中，如图6所示，该语音识别装置包括：识别模块601、生成模块602、第一发送模块603、语音压缩模块604、第二发送模块605，接收模块606，其中，识别模块601、生成模块602、第一发送模块603、语音压缩模块604、第二发送模块605的功能参照上述结合图5所示的实施例，其中，
接收模块606，用于通过第二进程接收服务器发送的识别文本。
需要说明的是，前述对方法实施例的解释说明，也适用于本申请实施例的装置，其实现原理类似，在此不再赘述。
综上，本申请实施例的语音识别装置，在获取到目标语音数据后，通过预设的第一进程识别目标语音数据中是否包含唤醒词，若包含唤醒词，则通过第一进程生成与目标语音数据对应的语音标识信息，控制第一进程通过预设的通信链路，向预设的第二进程发送包含语音标识信息的唤醒提醒消息，进而，通过第二进程响应于唤醒提醒消息，根据语音标识信息获取目标语音数据，对目标语音数据压缩生成压缩语音数据，最后，通过第二进程向服务器发送压缩语音数据，以便于服务器对压缩语音数据进行语音识别。由此，将语音唤醒算法与语音压缩处理业务解耦，便于各自独立升级和维护，且由于语音唤醒算法与语音压缩处理业务运行在独立的进程中，避免了单进程负载过高的问题，保证了语音处理的服务质量。
在本申请的一个实施例中，如图7所示，该语音识别装置包括：识别模块701、生成模块702、第一发送模块703、语音压缩模块704、第二发送模块705，采集模块706和去噪模块707，其中，识别模块701、生成模块702、第一发送模块703、语音压缩模块704、第二发送模块705的功能参照上述结合图5所示的实施例，其中，
采集模块706，用于通过语音采集设备采集用户的初始语音数据；
去噪模块707，用于对初始语音数据去噪处理，以获取目标语音数据。
需要说明的是，前述对方法实施例的解释说明，也适用于本申请实施例的装置，其实现原理类似，在此不再赘述。
综上，本申请实施例的语音识别装置，可以基于语音识别系统的开发，实现对语音数据的识别系统化，进一步提升了语音识别的服务质量。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图8所示，是根据本申请实施例的语音识别的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的语音识别的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的语音识别的方法。
存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的语音识别的方法对应的程序指令/模块(。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的语音识别的方法。
存储器802可以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、至少一个功能所需要的应用程序；存储数据区可存储根据语音识别的电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至语音识别的电子设备。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。
语音识别的方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息，以及产生与语音识别的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (14)
1.一种语音识别方法，包括以下步骤：
在获取到目标语音数据后，通过预设的第一进程识别所述目标语音数据中是否包含唤醒词；
若包含所述唤醒词，则通过所述第一进程生成与所述目标语音数据对应的语音标识信息；
控制所述第一进程通过预设的通信链路，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息；
通过所述第二进程响应于所述唤醒提醒消息，根据所述语音标识信息获取所述目标语音数据，对所述目标语音数据压缩生成压缩语音数据；
通过所述第二进程向服务器发送所述压缩语音数据，以便于所述服务器对所述压缩语音数据进行语音识别。
2.如权利要求1所述的方法，还包括：
通过所述第二进程接收所述服务器发送的识别文本。
3.如权利要求1所述的方法，在所述通过预设的第一进程识别所述目标语音数据中是否包含唤醒词之前，还包括：
通过语音采集设备采集用户的初始语音数据；
对所述初始语音数据去噪处理，以获取所述目标语音数据。
4.如权利要求1所述的方法，其中，当所述第一进程和所述第二进程位于同一个芯片时，所述控制所述第一进程通过预设的通信链路，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息，包括：
控制所述第一进程通过远程过程调用RPC链路，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息。
5.如权利要求1所述的方法，其中，当所述第一进程和所述第二进程位于不同芯片时，所述控制所述第一进程通过预设的通信链路，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息，包括：
控制所述第一进程通过控制器局域网络CAN网络，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息。
6.如权利要求1所述的方法，其中，所述通过所述第二进程响应于所述唤醒提醒消息，根据所述语音标识信息获取所述目标语音数据，包括：
控制所述第二进程向所述第一进程发送包含所述语音标识信息的数据读取请求，以使得所述第一进程获取并向所述第二进程反馈与所述语音标识信息对应的目标语音数据。
7.一种语音识别装置，包括：
识别模块，用于在获取到目标语音数据后，通过预设的第一进程识别所述目标语音数据中是否包含唤醒词；
生成模块，用于在包含所述唤醒词时，通过所述第一进程生成与所述目标语音数据对应的语音标识信息；
第一发送模块，用于控制所述第一进程通过预设的通信链路，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息；
语音压缩模块，用于通过所述第二进程响应于所述唤醒提醒消息，根据所述语音标识信息获取所述目标语音数据，对所述目标语音数据压缩生成压缩语音数据；
第二发送模块，用于通过所述第二进程向服务器发送所述压缩语音数据，以便于所述服务器对所述压缩语音数据进行语音识别。
8.如权利要求7所述的装置，还包括：
接收模块，用于通过所述第二进程接收所述服务器发送的识别文本。
9.如权利要求7所述的装置，还包括：
采集模块，用于通过语音采集设备采集用户的初始语音数据；
去噪模块，用于对所述初始语音数据去噪处理，以获取所述目标语音数据。
10.如权利要求7所述的装置，其中，当所述第一进程和所述第二进程位于同一个芯片时，所述第一发送模块，具体用于：
控制所述第一进程通过远程过程调用RPC链路，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息。
11.如权利要求7所述的装置，其中，当所述第一进程和所述第二进程位于不同芯片时，所述第一发送模块，具体用于：
控制所述第一进程通过控制器局域网络CAN网络，向预设的第二进程发送包含所述语音标识信息的唤醒提醒消息。
12.如权利要求7所述的装置，其中，所述语音压缩模块，具体用于：
控制所述第二进程向所述第一进程发送包含所述语音标识信息的数据读取请求，以使得所述第一进程获取并向所述第二进程反馈与所述语音标识信息对应的目标语音数据。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011226698.0A CN112382294B (zh) | 2020-11-05 | 2020-11-05 | 语音识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011226698.0A CN112382294B (zh) | 2020-11-05 | 2020-11-05 | 语音识别方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112382294A true CN112382294A (zh) | 2021-02-19 |
| CN112382294B CN112382294B (zh) | 2023-10-20 |
Family
ID=74579433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011226698.0A Active CN112382294B (zh) | 2020-11-05 | 2020-11-05 | 语音识别方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112382294B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112927698A (zh) * | 2021-02-27 | 2021-06-08 | 北京基智科技有限公司 | 一种基于深度学习的智能电话语音系统 |
| CN114285830A (zh) * | 2021-12-21 | 2022-04-05 | 北京百度网讯科技有限公司 | 语音信号处理方法、装置、电子设备及可读存储介质 |
| CN117409779A (zh) * | 2023-12-14 | 2024-01-16 | 四川蜀天信息技术有限公司 | 一种语音唤醒方法、装置、系统及可读介质 |
| WO2024125032A1 (zh) * | 2022-12-12 | 2024-06-20 | 海信视像科技股份有限公司 | 一种语音控制方法及终端设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080082319A1 (en) * | 2006-09-29 | 2008-04-03 | Intel Corporation | Apparatus, System and Method for Buffering Audio Data to Allow Low Power States in a Processing System During Audio Playback |
| US20160049147A1 (en) * | 2014-08-13 | 2016-02-18 | Glen J. Anderson | Distributed voice input processing based on power and sensing |
| CN105575395A (zh) * | 2014-10-14 | 2016-05-11 | 中兴通讯股份有限公司 | 语音唤醒方法及装置、终端及其处理方法 |
| CN109767762A (zh) * | 2018-12-14 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于语音识别的应用程序控制方法及终端设备 |
| CN110322880A (zh) * | 2018-03-28 | 2019-10-11 | 上海博泰悦臻网络技术服务有限公司 | 车载终端设备以及唤醒其多个语音交互程序的方法 |
| US20200027462A1 (en) * | 2016-09-29 | 2020-01-23 | Hefei Hualing Co., Ltd. | Voice control system, wakeup method and wakeup apparatus therefor, electrical appliance and co-processor |
| CN110990075A (zh) * | 2019-11-18 | 2020-04-10 | 北京小米移动软件有限公司 | 快应用的启动方法、装置、设备及存储介质 |
| CN111176618A (zh) * | 2019-12-10 | 2020-05-19 | 武汉学子明灯科技有限责任公司 | 一种语音唤醒开发程序的方法及系统 |
| CN111199733A (zh) * | 2018-11-19 | 2020-05-26 | 珠海全志科技股份有限公司 | 多级识别语音唤醒方法及装置、计算机存储介质及设备 |
-
2020
- 2020-11-05 CN CN202011226698.0A patent/CN112382294B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080082319A1 (en) * | 2006-09-29 | 2008-04-03 | Intel Corporation | Apparatus, System and Method for Buffering Audio Data to Allow Low Power States in a Processing System During Audio Playback |
| US20160049147A1 (en) * | 2014-08-13 | 2016-02-18 | Glen J. Anderson | Distributed voice input processing based on power and sensing |
| CN105575395A (zh) * | 2014-10-14 | 2016-05-11 | 中兴通讯股份有限公司 | 语音唤醒方法及装置、终端及其处理方法 |
| US20200027462A1 (en) * | 2016-09-29 | 2020-01-23 | Hefei Hualing Co., Ltd. | Voice control system, wakeup method and wakeup apparatus therefor, electrical appliance and co-processor |
| CN110322880A (zh) * | 2018-03-28 | 2019-10-11 | 上海博泰悦臻网络技术服务有限公司 | 车载终端设备以及唤醒其多个语音交互程序的方法 |
| CN111199733A (zh) * | 2018-11-19 | 2020-05-26 | 珠海全志科技股份有限公司 | 多级识别语音唤醒方法及装置、计算机存储介质及设备 |
| CN109767762A (zh) * | 2018-12-14 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于语音识别的应用程序控制方法及终端设备 |
| CN110990075A (zh) * | 2019-11-18 | 2020-04-10 | 北京小米移动软件有限公司 | 快应用的启动方法、装置、设备及存储介质 |
| CN111176618A (zh) * | 2019-12-10 | 2020-05-19 | 武汉学子明灯科技有限责任公司 | 一种语音唤醒开发程序的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| YIMING WANG ET AL.: "End-to-end Anchored Speech Recognition", ICASSP 2019 - 2019 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP) * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112927698A (zh) * | 2021-02-27 | 2021-06-08 | 北京基智科技有限公司 | 一种基于深度学习的智能电话语音系统 |
| CN114285830A (zh) * | 2021-12-21 | 2022-04-05 | 北京百度网讯科技有限公司 | 语音信号处理方法、装置、电子设备及可读存储介质 |
| CN114285830B (zh) * | 2021-12-21 | 2024-05-24 | 北京百度网讯科技有限公司 | 语音信号处理方法、装置、电子设备及可读存储介质 |
| WO2024125032A1 (zh) * | 2022-12-12 | 2024-06-20 | 海信视像科技股份有限公司 | 一种语音控制方法及终端设备 |
| CN117409779A (zh) * | 2023-12-14 | 2024-01-16 | 四川蜀天信息技术有限公司 | 一种语音唤醒方法、装置、系统及可读介质 |
| CN117409779B (zh) * | 2023-12-14 | 2024-02-23 | 四川蜀天信息技术有限公司 | 一种语音唤醒方法、装置、系统及可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112382294B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112382294A (zh) | 语音识别方法、装置、电子设备和存储介质 | |
| CN111192591B (zh) | 智能设备的唤醒方法、装置、智能音箱及存储介质 | |
| CN112382285B (zh) | 语音控制方法、装置、电子设备和存储介质 | |
| CN112533041A (zh) | 视频播放方法、装置、电子设备和可读存储介质 | |
| JP2021196599A (ja) | 情報を出力するための方法および装置 | |
| CN113365146B (zh) | 用于处理视频的方法、装置、设备、介质和产品 | |
| CN111443801B (zh) | 人机交互方法、装置、设备及存储介质 | |
| CN111966212A (zh) | 基于多模态的交互方法、装置、存储介质及智能屏设备 | |
| CN115879469B (zh) | 文本数据处理方法、模型训练方法、装置及介质 | |
| CN111522701A (zh) | 一种测试方法、测试系统、电子设备及存储介质 | |
| KR20220081957A (ko) | 음성 방송 방법, 장치, 전자 기기 및 저장 매체 | |
| CN112466295A (zh) | 语言模型训练方法、应用方法、装置、设备及存储介质 | |
| CN113961289B (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
| CN112382292A (zh) | 基于语音的控制方法和装置 | |
| CN110477866B (zh) | 检测睡眠质量的方法、装置、电子设备和存储介质 | |
| CN112817463B (zh) | 输入法获取音频数据的方法、设备和存储介质 | |
| CN114861675A (zh) | 用于语义识别的方法及装置、控制指令的生成方法及装置 | |
| CN111986682A (zh) | 语音交互方法、装置、设备以及存储介质 | |
| CN114221940A (zh) | 音频数据处理方法、系统、装置、设备以及存储介质 | |
| CN113810814A (zh) | 耳机模式切换的控制方法及装置、电子设备和存储介质 | |
| CN112329907A (zh) | 对话处理方法、装置、电子设备和存储介质 | |
| CN113449197A (zh) | 信息处理方法、装置、电子设备以及存储介质 | |
| CN112037794A (zh) | 语音交互方法、装置、设备以及存储介质 | |
| CN112382281A (zh) | 一种语音识别方法、装置、电子设备和可读存储介质 | |
| CN113556649A (zh) | 智能音箱的播报控制方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |