CN113327602A - 语音识别的方法、装置、电子设备和可读存储介质 - Google Patents
语音识别的方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN113327602A CN113327602A CN202110522510.5A CN202110522510A CN113327602A CN 113327602 A CN113327602 A CN 113327602A CN 202110522510 A CN202110522510 A CN 202110522510A CN 113327602 A CN113327602 A CN 113327602A
- Authority
- CN
- China
- Prior art keywords
- network
- data
- recognition
- terminal equipment
- training
- 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 49
- 238000012549 training Methods 0.000 claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims 1
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 17
- 238000004088 simulation Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000013145 classification model Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 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
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0823—Errors, e.g. transmission errors
- H04L43/0829—Packet loss
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开提供了一种语音识别的方法、装置、电子设备和可读存储介质,涉及深度学习与语音处理技术领域。其中,语音识别的方法包括:获取终端设备与服务器端进行数据传输时的网络数据;根据所述网络数据得到至少一种网络特征;将所述至少一种网络特征输入预先训练得到的预测模型,得到所述预测模型输出的预测结果;在确定所述预测结果满足预设要求的情况下,将所述终端设备的识别方式切换为离线识别以进行语音识别。本公开能够提升终端设备在进行语音识别时切换识别方式的准确性。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及深度学习与语音处理技术领域。提供了一种语音识别的方法、装置、电子设备和可读存储介质。
背景技术
语音识别通常分为在线识别和离线识别两种识别方式。在实际使用场景中,尤其是终端设备的语音识别的应用,大部分使用在线识别的识别方式。但当终端设备没有网络或者网络比较差时,会导致在线识别失败或者延迟较大的技术问题。如果仅使用离线识别,由于离线识别的模型会有大小的限制,并且离线引擎的更新频率非常低,会导致识别效果较差的问题,另外离线识别会消耗终端设备更大的计算资源。
发明内容
根据本公开的第一方面,提供了一种语音识别的方法,包括:获取终端设备与服务器端进行数据传输时的网络数据;根据所述网络数据得到至少一种网络特征;将所述至少一种网络特征输入预先训练得到的预测模型,得到所述预测模型输出的预测结果;在确定所述预测结果满足预设要求的情况下,将所述终端设备的识别方式切换为离线识别以进行语音识别。
根据本公开的第二方面,提供了一种语音识别的装置,包括:获取单元,用于获取终端设备与服务器端进行数据传输时的网络数据;处理单元,用于根据所述网络数据得到至少一种网络特征;预测单元,用于将所述至少一种网络特征输入预先训练得到的预测模型,得到所述预测模型输出的预测结果;切换单元,用于在确定所述预测结果满足预设要求的情况下,将所述终端设备的识别方式切换为离线识别以进行语音识别。
根据本公开的第三方面,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如上所述的方法。
根据本公开的第四方面,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,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的方法。
由以上技术方案可以看出,本实施例在通过获取的网络数据得到至少一种网络特征之后,将至少一种网络特征作为预测模型的输入,根据预测模型输出的预测结果,确定是否将终端设备的识别方式由在线识别切换为离线识别,从而提升了终端设备在切换识别方式时的准确性,实现了两种识别方式的相互配合,在确保能够完成语音识别的同时,降低了终端设备的资源消耗。
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,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是用来实现本公开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
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和机构的描述。
图1是根据本公开第一实施例的示意图。如图1所示,本实施例的语音识别的方法,具体可以包括如下步骤:
S101、获取终端设备与服务器端进行数据传输时的网络数据;
S102、根据所述网络数据得到至少一种网络特征;
S103、将所述至少一种网络特征输入预先训练得到的预测模型,得到所述预测模型输出的预测结果;
S104、在确定所述预测结果满足预设要求的情况下,将所述终端设备的识别方式切换为离线识别以进行语音识别。
本实施例的语音识别的方法,在通过获取的网络数据得到至少一种网络特征之后,将至少一种网络特征作为预测模型的输入,根据预测模型输出的预测结果,确定是否将终端设备的识别方式由在线识别切换为离线识别,从而提升了终端设备在切换识别方式时的准确性,实现了两种识别方式的相互配合,在确保能够完成语音识别的同时,降低了终端设备的资源消耗。
本实施例的执行主体位于终端设备,该终端设备可以为智能手机、个人电脑、智能音箱、智能家电、车载设备等智能设备。
本实施例在执行S101获取终端设备与服务器端进行数据传输时的网络数据时,可以为在检测到终端设备使用在线识别的识别方式进行语音时获取网络数据,例如在检测到终端设备开启输入法并使用在线识别的识别方式进行语音识别时获取网络数据,也可以为在检测到终端设备接收到预设指令并使用在线识别的识别方式进行语音识别时获取网络数据。
本实施例执行S101获取的网络数据包含网络的延迟数据、丢包数据、重传包数据中的至少一种。优选地,为了提升识别方式的切换准确性,本实施例执行S101获取的网络数据包含上述三种数据。
其中,本实施例中的丢包数据包含上行丢包数据和下行丢包数据,上行丢包数据对应于终端设备向服务器端发送数据的过程,下行丢包数据对应于服务器端向终端设备发送数据的过程。
可以理解的是,本实施例中的终端设备与服务器端基于用户数据报协议(UDP,User Datagram Protocol)来传输数据;由于UDP在操作系统的应用层运行,并不是如传输控制协议(TCP,Transmission Control Protocol)在操作系统的内核层运行,因此本实施例通过终端设备与服务器端之间的传输协议UDP,即可获取两者在传输数据时,表征网络状态的延迟数据、丢包数据和重传包数据等网络数据。
另外,本实施例在执行S101获取终端设备与服务器端进行数据传输时的网络数据时,可以采用的可选实现方式为:以预设的时间间隔,获取终端设备与服务器端进行数据传输时的网络数据。
也就是说,本实施例可以在终端设备进行在线语音识别时,多次获取网络数据,进而根据每次获取的网络数据来得到多个预测结果,避免了由于所获取的网络数据或者所得到的网络特征存在误差的问题,进一步提升终端设备在切换识别方式时的准确性。
本实施例在执行S101获取终端设备与服务器端进行数据传输时的网络数据之后,执行S102根据所获取的网络数据得到至少一种网络特征。
虽然本实施例获取的网络数据能够在一定程度上反映网络状态,但是经过研究发现,在直接使用网络数据进行预测时,所得到的预测结果的准确性不够稳定。
本实施例通过对所获取的网络数据进行进一步的处理,能够得到至少一种网络特征,所得到的至少一种网络特征相比于所获取的网络数据来说,能够更加准确地反映网络状态,因此使用所得到的至少一种网络特征进行预测,能够提升识别方式的切换准确性。
由于对网络数据进行处理能够得到大量不同的网络特征,但是预测的准确性并不随着所使用的网络特征的数量而线性增长,因此经过实验,结合预测准确性与预测速度这两种维度,本实施例根据所获取的网络数据来得到预设类型的网络特征,进而实现识别方式的切换预测。
本实施例执行S102所得到的至少一种网络特征包含以下类型:srtt、srtt_ratio、up_loss_rate、up_loss_gap、up_loss_ratio、down_loss_rate、down_loss_gap、down_loss_ratio、crypto_retransmit、tlp、smoothed_P0_wait、unacked_wait、consecutive_rto、total_rto。
其中,srtt表示平滑的网络延时,根据所获取的延迟数据使用计算得到;srtt_ratio表示srtt与最小的网络延时的比值,根据所获取的延迟数据计算得到;up_loss_rate表示上行丢包率,根据所获取的丢包数据中的上行丢包数据计算得到;up_loss_gap表示上行最大的连续丢包个数,根据所获取的丢包数据中的上行丢包数据计算得到;up_loss_ratio表示上行丢包趋势,根据所获取的丢包数据中的上行丢包数据计算得到;down_loss_rate表示下行丢包率,根据所获取的丢包数据中的下行丢包数据计算得到;down_loss_gap表示下行最大的连续丢包个数,根据所获取的丢包数据中的下行丢包数据计算得到;down_loss_ratio表示下行丢包趋势,根据所获取的丢包数据中的下行丢包数据计算得到;crypto_retransmit表示连接建立阶段的重传次数,根据所获取的重传包数据得到;tlp表示触发尾部超时的次数,根据所获取的重传包数据计算得到;smoothed_P0_wait表示P0数据包的队列等待时间,根据所获取的重传包数据计算得到;unacked_wait表示未确认数据包的等待时间,根据所获取的重传包数据计算得到;consecutive_rto表示连续的超时次数,根据所获取的延迟数据计算得到;total_rto表示总共的超时次数,根据所获取的延迟数据计算得到。
举例来说,本实施例在根据延迟数据计算得到srtt时,可以使用以下公式计算得到:
srtt=(α×srtt′)+((1-α)×rtt)
在公式中:srtt为本次计算得到的平滑的网络延迟;srtt’为前次计算得到的平滑的网络延迟,初次计算时其为网络延迟rtt;rtt为网络延迟;α为预设参数,在0.8-0.9之间取值。
举例来说,本实施例在根据上行丢包数据计算得到上行丢包趋势时,可以根据当前时刻对历史时刻进行采样,将各采样点按时间顺序分为两部分之后,将后半部分的各采样点的上行丢包个数的和与前半部分的各采样点的上行丢包个数的和之间的比值,作为上行丢包趋势。
因此,本实施例中不同的网络特征对应不同的计算方式,结合所获取的网络数据,使用相应的计算方式来得到不同的网络特征。优选地,本实施例在执行S102根据所获取的网络数据得到至少一种网络特征时,获取上述全部的网络特征。
本实施例在执行S102得到至少一种网络特征之后,执行S103将所得到的至少一种网络特征输入预先训练得到的预测模型,得到该预测模型输出的预测结果。
具体地,本实施例在执行S103所使用的预测模型是采用如下方式预先训练得到的:获取训练数据,所获取的训练数据中包含多个网络场景、多个网络场景的网络特征与多个网络场景的标签;使用多个网络场景的网络特征与多个网络场景的标签对神经网络模型进行训练,直至神经网络模型收敛,得到预测模型。其中,本实施例中的神经网络模型为分类模型,分类模型可以为支持向量机、逻辑回归模型等。
可以理解的是,本实施例所获取的训练数据中,网络场景的标签可以为1或者0;标签为1表示网络场景的网络状况较差,标签为0表示网络场景的网络状况较好。因此,本实施例在将网络特征输入预测模型之后,该预测模型输出的预测结果越接近1,则表示当前的网络状况越差,预测结果越接近0,则表示当前的网络状况越好。
本实施例在获取训练数据时,可以通过终端设备的日志数据来获取不同网络场景的网络特征;也可以通过模拟不同网络场景的方式来获取不同网络场景的网络特征;还可以在不同的真实环境中来获取不同网络场景的网络特征,例如地铁场景、地下停车场场景、电梯场景等。
其中,本实施例可以通过设置不同的网络带宽、不同的网络延迟、不同的网络抖动、不同的网络丢包与是否存在突发流量等内容,来模拟不同的网络场景。
举例来说,模拟场景1可以设置为“带宽800、延迟50-100、抖动50、丢包0、无突发流量”,模拟场景1为正常网络;模拟场景2可以设置为“带宽40-100、延迟100-200、抖动50、丢包0、无突发流量”,模拟场景2为带宽受限网络;模拟场景3可以设置为“带宽800、延迟200-400、抖动50、丢包10、有突发流量”,模拟场景3为大延迟网络,有其他应用抢占带宽;模拟场景4可以设置为“带宽800、延迟50-200、抖动50、丢包5-40、有突发流量”,模拟场景4为大丢包网络,有其他应用抢占带宽;模拟场景5可以设置为“带宽800、延迟50-200、抖动50、丢包5-40、无突发流量”,模拟场景5为大丢包网络。
本实施例在执行S103得到预测模型输出的预测结果之后,执行S104在确定所得到的预测结果满足预设要求的情况下,将终端设备的识别方式切换为离线识别,以进行语音识别。
本实施例在执行S104确定预测结果满足预设要求时,可以为在确定预测结果超过预设阈值的情况下,将终端设备的识别方式切换为离线识别。若本实施例在执行S101时多次获取了网络数据,则本实施例执行S103会得到多个预测结果,因此本实施例在执行S104确定预测结果满足预设要求时,可以为在确定多个预测结果中超过预设阈值的个数超过预设个数的情况下,将终端设备的识别方式切换为离线识别。
另外,本实施例在执行S104将终端设备的识别方式切换为离线识别以进行语音识别之后,还可以包含以下内容:在确定完成语音识别的情况下,将终端设备的识别模式切换为在线识别。
本实施例能够在终端设备出现网络状况较差的问题时,将识别方式切换为离线识别,由于在线识别具有准确性高、速度快的优点,因此本实施例在完成本次语音识别之后,还会将识别方式由离线识别切换为在线识别,提升了识别方式切换的智能性,从而更加准确快速地完成下一次语音识别。
图2是根据本公开第二实施例的示意图。如图2所示,本实施例的语音识别的装置200,包括:
获取单元201、用于获取终端设备与服务器端进行数据传输时的网络数据;
处理单元202、用于根据所述网络数据得到至少一种网络特征;
预测单元203、用于将所述至少一种网络特征输入预先训练得到的预测模型,得到所述预测模型输出的预测结果;
切换单元204、用于在确定所述预测结果满足预设要求的情况下,将所述终端设备的识别方式切换为离线识别以进行语音识别。
获取单元201在获取终端设备与服务器端进行数据传输时的网络数据时,可以为在检测到终端设备使用在线识别的识别方式进行语音识别时获取网络数据,例如在检测到终端设备开启输入法并使用在线识别的识别方式进行语音识别时获取网络数据,也可以为在检测到终端设备接收到预设指令并使用在线识别的识别方式进行语音识别时获取网络数据。
获取单元201获取的网络数据包含网络的延迟数据、丢包数据、重传包数据中的至少一种。优选地,为了提升识别方式的切换准确性,获取单元201获取的网络数据包含上述三种数据。
可以理解的是,本实施例中的终端设备与服务器端基于用户数据报协议(UDP,User Datagram Protocol)来传输数据;由于UDP在操作系统的应用层运行,并不是如传输控制协议(TCP,Transmission Control Protocol)在操作系统的内核层运行,因此获取单元201例通过终端设备与服务器端之间的传输协议UDP,即可获取两者在传输数据时,表征网络状态的延迟数据、丢包数据和重传包数据等网络数据。
另外,获取单元201在获取终端设备与服务器端进行数据传输时的网络数据时,可以采用的可选实现方式为:以预设的时间间隔,获取终端设备与服务器端进行数据传输时的网络数据。
也就是说,获取单元201可以在终端设备进行在线语音识别时,多次获取网络数据,进而根据每次获取的网络数据来得到多个预测结果,避免了由于所获取的网络数据或者所得到的网络特征存在误差的问题,进一步提升终端设备在切换识别方式时的准确性。
本实施例在由获取单元201获取终端设备与服务器端进行数据传输时的网络数据之后,由处理单元202根据所获取的网络数据得到至少一种网络特征。
由于对网络数据进行处理能够得到大量不同的网络特征,但是预测的准确性并不随着所使用的网络特征的数量而线性增长,因此经过实验,结合预测准确性与预测速度这两种维度,处理单元202根据所获取的网络数据来得到预设类型的网络特征,进而实现识别方式的切换预测。
处理单元202所得到的至少一种网络特征包含以下类型:srtt、srtt_ratio、up_loss_rate、up_loss_gap、up_loss_ratio、down_loss_rate、down_loss_gap、down_loss_ratio、crypto_retransmit、tlp、smoothed_P0_wait、unacked_wait、consecutive_rto、total_rto。
因此,不同的网络特征对应不同的计算方式,结合所获取的网络数据,处理单元202使用相应的计算方式来得到不同的网络特征。优选地,处理单元202根据所获取的网络数据得到至少一种网络特征时,获取上述全部的网络特征。
本实施例在由处理单元202得到至少一种网络特征之后,由预测单元203将所得到的至少一种网络特征输入预先训练得到的预测模型,得到该预测模型输出的预测结果。
具体地,本实施例的语音识别的装置200还可以包含训练单元205,用于采用如下方式预先训练得到预测模型:获取训练数据,所获取的训练数据中包含多个网络场景、多个网络场景的网络特征与多个网络场景的标签;使用多个网络场景的网络特征与多个网络场景的标签对神经网络模型进行训练,直至神经网络模型收敛,得到预测模型。其中,本实施例中的神经网络模型为分类模型,分类模型可以为支持向量机、逻辑回归模型等。
可以理解的是,训练单元205所获取的训练数据中,网络场景的标签可以为1或者0;标签为1表示网络场景的网络状况较差,标签为0表示网络场景的网络状况较好。因此,预测单元203在将网络特征输入预测模型之后,该预测模型输出的预测结果越接近1,则表示当前的网络状况越差,预测结果越接近0,则表示当前的网络状况越好。
本实施例在由预测单元203得到预测模型输出的预测结果之后,由切换单元204在确定所得到的预测结果满足预设要求的情况下,将终端设备的识别方式切换为离线识别,以进行语音识别。
切换单元204在确定预测结果满足预设要求时,可以为在确定预测结果超过预设阈值的情况下,将终端设备的识别方式切换为离线识别。若获取单元201多次获取了网络数据,预测单元203则会得到多个预测结果,因此切换单元204在确定预测结果满足预设要求时,可以为在确定多个预测结果中超过预设阈值的个数超过预设个数的情况下,将终端设备的识别方式切换为离线识别。
另外,切换单元204在将终端设备的识别方式切换为离线识别以进行语音识别之后,还可以包含以下内容:在确定完成语音识别的情况下,将终端设备的识别模式切换为在线识别。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图3所示,是根据本公开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/或者要求的本公开的实现。
如图3所示,设备300包括计算单元301,其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序,来执行各种适当的动作和处理。在RAM 303中,还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305,包括:输入单元306,例如键盘、鼠标等;输出单元307,例如各种类型的显示器、扬声器等;存储单元308,例如磁盘、光盘等;以及通信单元309,例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理,例如语音识别的方法。例如,在一些实施例中,语音识别的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元308。
在一些实施例中,计算机程序的部分或者全部可以经由ROM302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时,可以执行上文描述的语音识别的方法的一个或多个步骤。备选地,在其他实施例中,计算单元301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行语音识别的方法。
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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
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 PrivateServer”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
需要说明的是,本公开实施例中,语音识别方法的执行主体可以通过各种公开、合法合规的方式获取用户输入的待识别语音数据,例如可以是从公开数据集处获取的,或者是经过了用户的授权从用户处获取的。通过本公开实施例的语音识别过程是在经用户授权后执行的,其识别过程符合相关法律法规。本公开实施例中的语音识别并不是针对某一特定用户,并不能反映出某一特定用户的个人信息。
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,本公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (13)
1.一种语音识别的方法,包括:
获取终端设备与服务器端进行数据传输时的网络数据;
根据所述网络数据得到至少一种网络特征;
将所述至少一种网络特征输入预先训练得到的预测模型,得到所述预测模型输出的预测结果;
在确定所述预测结果满足预设要求的情况下,将所述终端设备的识别方式切换为离线识别以进行语音识别。
2.根据权利要求1所述的方法,其中,所述获取终端设备与服务器端进行数据传输时的网络数据包括:
以预设的时间间隔,获取终端设备与服务器端进行数据传输时的网络数据。
3.根据权利要求1所述的方法,其中,所述根据所述网络数据得到至少一种网络特征包括:
根据所述网络数据得到预设类型的网络特征。
4.根据权利要求1所述的方法,还包括,采用以下方式预先训练得到所述预测模型:
获取训练数据,所述训练数据中包含多个网络场景、多个网络场景的网络特征与多个网络场景的标签;
使用多个网络场景的网络特征与多个网络场景的标签对神经网络模型进行训练,直至所述神经网络模型收敛,得到所述预测模型。
5.根据权利要求1所述的方法,还包括,
在将所述终端设备的识别方式切换为离线识别以进行语音识别之后,在确定完成语音识别的情况下,将所述终端设备的识别模式切换为在线识别。
6.一种语音识别的装置,包括:
获取单元,用于获取终端设备与服务器端进行数据传输时的网络数据;
处理单元,用于根据所述网络数据得到至少一种网络特征;
预测单元,用于将所述至少一种网络特征输入预先训练得到的预测模型,得到所述预测模型输出的预测结果;
切换单元,用于在确定所述预测结果满足预设要求的情况下,将所述终端设备的识别方式切换为离线识别以进行语音识别。
7.根据权利要求6所述的装置,其中,所述获取单元在获取终端设备与服务器端进行数据传输时的网络数据时,具体执行:
以预设的时间间隔,获取终端设备与服务器端进行数据传输时的网络数据。
8.根据权利要求6所述的装置,其中,所述处理单元在根据所述网络数据得到至少一种网络特征时,具体执行:
根据所述网络数据得到预设类型的网络特征。
9.根据权利要求6所述的装置,还包括训练单元,用于采用以下方式预先训练得到所述预测模型:
获取训练数据,所述训练数据中包含多个网络场景、多个网络场景的网络特征与多个网络场景的标签;
使用多个网络场景的网络特征与多个网络场景的标签对神经网络模型进行训练,直至所述神经网络模型收敛,得到所述预测模型。
10.根据权利要求6所述的装置,所述切换单元还用于执行,
在将所述终端设备的识别方式切换为离线识别以进行语音识别之后,在确定完成语音识别的情况下,将所述终端设备的识别模式切换为在线识别。
11.一种电子设备,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权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110522510.5A CN113327602A (zh) | 2021-05-13 | 2021-05-13 | 语音识别的方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110522510.5A CN113327602A (zh) | 2021-05-13 | 2021-05-13 | 语音识别的方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113327602A true CN113327602A (zh) | 2021-08-31 |
Family
ID=77415496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110522510.5A Pending CN113327602A (zh) | 2021-05-13 | 2021-05-13 | 语音识别的方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113327602A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424607A (zh) * | 2017-07-04 | 2017-12-01 | 珠海格力电器股份有限公司 | 语音控制模式切换方法、装置及具有该装置的设备 |
CN108900333A (zh) * | 2018-06-27 | 2018-11-27 | 新华三大数据技术有限公司 | 一种无线网络质量的评估方法及评估装置 |
CN109842521A (zh) * | 2019-01-28 | 2019-06-04 | 西安科技大学 | 一种移动终端宕机预测系统及方法 |
CN110299136A (zh) * | 2018-03-22 | 2019-10-01 | 上海擎感智能科技有限公司 | 一种用于语音识别的处理方法及其系统 |
US20200194000A1 (en) * | 2018-04-11 | 2020-06-18 | Google Llc | Low latency nearby group translation |
CN111833880A (zh) * | 2020-07-28 | 2020-10-27 | 苏州思必驰信息科技有限公司 | 语音对话方法及系统 |
CN112735414A (zh) * | 2020-12-25 | 2021-04-30 | 肯特智能技术(深圳)股份有限公司 | 一种在线离线双模语音控制方法、系统以及存储介质 |
-
2021
- 2021-05-13 CN CN202110522510.5A patent/CN113327602A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424607A (zh) * | 2017-07-04 | 2017-12-01 | 珠海格力电器股份有限公司 | 语音控制模式切换方法、装置及具有该装置的设备 |
CN110299136A (zh) * | 2018-03-22 | 2019-10-01 | 上海擎感智能科技有限公司 | 一种用于语音识别的处理方法及其系统 |
US20200194000A1 (en) * | 2018-04-11 | 2020-06-18 | Google Llc | Low latency nearby group translation |
CN108900333A (zh) * | 2018-06-27 | 2018-11-27 | 新华三大数据技术有限公司 | 一种无线网络质量的评估方法及评估装置 |
CN109842521A (zh) * | 2019-01-28 | 2019-06-04 | 西安科技大学 | 一种移动终端宕机预测系统及方法 |
CN111833880A (zh) * | 2020-07-28 | 2020-10-27 | 苏州思必驰信息科技有限公司 | 语音对话方法及系统 |
CN112735414A (zh) * | 2020-12-25 | 2021-04-30 | 肯特智能技术(深圳)股份有限公司 | 一种在线离线双模语音控制方法、系统以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112669867B (zh) | 噪声消除算法的调试方法、装置和电子设备 | |
CN114697391B (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN114911598A (zh) | 任务调度方法、装置、设备以及存储介质 | |
CN114095438A (zh) | 数据传输方法、装置、设备、存储介质及计算机程序产品 | |
CN113012695B (zh) | 智能控制方法、装置、电子设备及计算机可读存储介质 | |
CN113132479B (zh) | 流量切换、模型生成方法、装置、设备、存储介质及程序 | |
CN113961289A (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
CN114253710A (zh) | 计算请求的处理方法、智能终端、云服务器、设备及介质 | |
CN114186681A (zh) | 用于生成模型簇的方法、装置及计算机程序产品 | |
CN114051057B (zh) | 云设备排队时长的确定方法、装置、电子设备和介质 | |
CN113327602A (zh) | 语音识别的方法、装置、电子设备和可读存储介质 | |
CN113033475B (zh) | 目标对象追踪方法、相关装置及计算机程序产品 | |
CN115633037A (zh) | 数据包的转发方法、装置、虚拟网关设备、介质及系统 | |
CN115312042A (zh) | 用于处理音频的方法、装置、设备以及存储介质 | |
CN114139605A (zh) | 分布式的模型训练方法、系统、设备以及存储介质 | |
CN112966607A (zh) | 模型训练方法、人脸视频生成方法、装置、设备和介质 | |
CN114286343B (zh) | 多路外呼系统、风险识别方法、设备、介质及产品 | |
CN113179218B (zh) | 模型训练方法、网络拥塞控制方法、装置及相关产品 | |
CN114006902B (zh) | 云手机重启方法、装置、设备以及存储介质 | |
CN113470380B (zh) | 数据处理方法、装置、电子设备和可读存储介质 | |
US20210119942A1 (en) | Method, device and computer program product for backing up data | |
CN114684167A (zh) | 基于多控制器域网控制车辆的方法、设备及自动驾驶车辆 | |
CN114822513A (zh) | 一种语音切分方法、装置、设备及存储介质 | |
CN117311917A (zh) | 基于车联应用程序切换车辆的方法、电子设备及存储介质 | |
CN113641428A (zh) | 特效场景包的获取方法、装置、电子设备和可读存储介质 |
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 |