CN113380224A - 语种确定方法、装置、电子设备及存储介质 - Google Patents
语种确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113380224A CN113380224A CN202110624592.4A CN202110624592A CN113380224A CN 113380224 A CN113380224 A CN 113380224A CN 202110624592 A CN202110624592 A CN 202110624592A CN 113380224 A CN113380224 A CN 113380224A
- Authority
- CN
- China
- Prior art keywords
- language
- identification
- common
- target user
- determining
- 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 44
- 230000004044 response Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000586 desensitisation Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation 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
- G10L15/005—Language recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
- G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种语种确定方法、装置、电子设备及存储介质。通过响应于收到目标用户的语音数据，获取所述目标用户的常用语种集合；基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务；响应于确定调用所述语种识别服务，基于所述语种识别服务确定所述语音数据的目标语种。从而实现了在调用语种识别服务之前进行备选语种的确定，提高识别效率并降低了语种识别服务的资源成本。
Description
技术领域
本公开的实施例涉及信息处理技术领域，尤其涉及一种语种确定方法、装置、电子设备及存储介质。
背景技术
语种识别(Language Identification，LID)技术被广泛应用于音视频领域，主要目的是通过音频识别对应的语种，为后续处理如自动语音识别(automatic speechrecognition，ASR)做准备。目前在互联网音视频会议场景中，LID作为一个通用技术，在面对音视频会议场景时的识别准确率并不理想。对于多语种场景，LID识别的备选语种通常包括中、英、日等多种语种。
目前语种识别作为单独的识别模块，准确率并不能达到100％，尤其是随着备选语种的增加，准确率大幅降低。同时，如果要持续地进行语种识别，会消耗大量的硬件资源，提高服务成本。
发明内容
本公开的实施例提出了一种语种确定方法、装置、电子设备及存储介质。
第一方面，本公开的实施例提供了一种语种确定方法，该方法包括：响应于收到目标用户的语音数据，获取所述目标用户的常用语种集合；基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务；响应于确定调用所述语种识别服务，基于所述语种识别服务确定所述语音数据的目标语种。
在一些可选的实施方式中，所述基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务，包括：
响应于所述常用语种集合中的语种数量不超过预设阈值，确定不调用所述语种识别服务。
在一些可选的实施方式中，所述基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务，包括：
响应于所述常用语种集合中的语种数量大于预设阈值，调用所述语种识别服务；
所述响应于确定调用所述语种识别服务，基于所述语种识别服务确定所述语音数据的目标语种，包括：
将所述常用语种集合所包含的语种作为所述语音数据的候选语种，基于所述语种识别服务，从所述候选语种中确定出所述目标语种。
在一些可选的实施方式中，所述方法还包括：
根据确定的目标语种对所述语音数据进行语音识别。
在一些可选的实施方式中，所述目标用户的常用语种集合通过以下常用语种确定步骤得到：
获取所述目标用户的历史语种识别统计数据；
基于所述历史语种识别统计数据确定所述目标用户的常用语种集合。
在一些可选的实施方式中，所述历史语种识别统计数据，包括：
进行语种识别的总次数、识别出的语种及对应每种语种的识别次数。
在一些可选的实施方式中，所述基于所述历史语种识别统计数据确定所述目标用户的常用语种集合，包括：
将识别次数在所述总次数中占比大于预设比例阈值的语种确定为所述常用语种集合中的语种。
在一些可选的实施方式中，所述基于所述历史语种识别统计数据确定所述目标用户的常用语种集合，包括：
将识别次数在预设识别次数阈值以上的语种确定为所述常用语种集合中的语种。
在一些可选的实施方式中，所述获取所述目标用户的历史语种识别统计数据，包括：
获取所述目标用户参与的预设会议次数阈值以上次会议对应的所述历史语种识别统计数据。
在一些可选的实施方式中，所述获取所述目标用户的历史语种识别统计数据，包括：
获取所述目标用户标识对应的历史语种识别数据；
对与所述目标用户标识对应的历史语种识别数据进行脱敏处理；
对所述脱敏处理后的历史语种识别数据进行统计，得到所述历史语种识别统计数据。
在一些可选的实施方式中，所述历史语种识别数据包括：
用户标识、会议标识、语种检测序列及对应每次语种检测的时间戳。
第二方面，本公开的实施例提供了一种语种确定装置，该装置包括：
获取单元，被配置成响应于收到目标用户的语音数据，获取所述目标用户的常用语种集合；
处理单元，被配置成基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务；
配置单元，被配置成响应于确定调用所述语种识别服务，基于所述语种识别服务确定所述语音数据的目标语种。
在一些可选的实施方式中，所述处理单元，被具体配置成：
响应于所述常用语种集合中的语种数量不超过预设阈值，确定不调用所述语种识别服务。
在一些可选的实施方式中，所述处理单元，被具体配置成：
响应于所述常用语种集合中的语种数量大于预设阈值，调用所述语种识别服务；
所述配置单元，被具体配置成：
将所述常用语种集合所包含的语种作为所述语音数据的候选语种，基于所述语种识别服务，从所述候选语种中确定出所述目标语种。
在一些可选的实施方式中，所述装置还包括：
语种识别单元，被配置成根据确定的目标语种对所述语音数据进行语音识别。
在一些可选的实施方式中，为得到所述目标用户的常用语种集合，所述处理单元被配置成执行以下常用语种确定步骤：
获取所述目标用户的历史语种识别统计数据；
基于所述历史语种识别统计数据确定所述目标用户的常用语种集合。
在一些可选的实施方式中，所述历史语种识别统计数据，包括：
进行语种识别的总次数、识别出的语种及对应每种语种的识别次数。
在一些可选的实施方式中，所述处理单元，被具体配置成：
将识别次数在所述总次数中占比大于预设比例阈值的语种确定为所述常用语种集合中的语种。
在一些可选的实施方式中，所述处理单元，被具体配置成：
将识别次数在预设识别次数阈值以上的语种确定为所述常用语种集合中的语种。
在一些可选的实施方式中，所述获取所述目标用户的历史语种识别统计数据，包括：
获取所述目标用户参与的预设会议次数阈值以上次会议对应的所述历史语种识别统计数据。
在一些可选的实施方式中，所述处理单元，被具体配置成：
获取所述目标用户标识对应的历史语种识别数据；
对与所述目标用户标识对应的历史语种识别数据进行脱敏处理；
对所述脱敏处理后的历史语种识别数据进行统计，得到所述历史语种识别统计数据。
在一些可选的实施方式中，所述历史语种识别数据包括：
用户标识、会议标识、语种检测序列及对应每次语种检测的时间戳。
第三方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本公开的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的语种确定方法、装置、电子设备及存储介质，通过响应于收到目标用户的语音数据，获取所述目标用户的常用语种集合；基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务；响应于确定调用所述语种识别服务，基于所述语种识别服务确定所述语音数据的目标语种；将常用语种集合所包含的常用语种的数量作为是否调用语种识别服务的判定因素，如常用语种的数量为1时不需要判定语种时不需要进行语种识别，减少了对语种识别服务的调用，进而降低了语种识别的硬件资源成本；当常用语种集合只有一种语种时，直接确认目标用户的识别语种，从而实现了对目标用户识别语种的确定，提高了语种识别效率，并进一步降低了语种识别的硬件资源成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图仅用于示出具体实施方式的目的，而并不认为是对本发明的限制。在附图中：
图1是根据本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的语种确定方法的一个实施例的流程示意图；
图3为本公开语种确定方法实施例中常用语种确定步骤示意图；
图4是根据本公开的语种确定装置的一个实施例的结构示意图；
图5是适于用来实现本公开的实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开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用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的语种确定方法或语种确定装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如音视频会议应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持声音采集和/或视频采集的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的音视频会议类应用提供支持的后台服务器。后台服务器可以对接收到的获取目标用户的语音数据等数据进行分析等处理，并将处理结果(例如目标用户的语音识别结果等)反馈给终端设备。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，在一些情况下，本公开所提供的语种确定方法可以通过服务器105执行，也可以通过终端设备101、102、103执行，还可以通过服务器105和终端设备101、102、103共同执行。相应地，语种确定装置可以设置于服务器105中，也可以设置于终端设备101、102、103中，还可以部分设置于服务器105中部分设置于终端设备101、102、103中。以及相应地，系统架构100可以只包括服务器105，或者只包括终端设备101、102、103，或者可以包括终端设备101、102、103，网络104和服务器105。本公开对此不做限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本公开的语种确定方法的一个实施例的流程200。该语种确定方法，包括以下步骤：
步骤201，响应于收到目标用户的语音数据，获取目标用户的常用语种集合。
这里，目标用户的语音数据可以是目标用户在各种场景下的语音数据。可选地，例如可以是目标用户在参加音视频会议过程中，目标用户所讲的语音数据。
常用语种集合，即目标用户常用语种的集合。图3为本公开语种确定方法实施例中常用语种确定步骤示意图，如图3所示，本公开中，目标用户的常用语种集合可以通过以下常用语种确定步骤得到：
步骤301，获取用户的历史语种识别统计数据。
在本实施例中，语种确定方法的执行主体(如图1所示的服务器或终端设备)可首先本地或者远程地从上述执行主体网络连接的其它电子设备获取目标用户的历史语种识别统计数据。
目标用户的历史语种识别统计数据可以是基于对目标用户的历史语种识别数据进行统计后得到的。
这里，目标用户的历史语种识别数据可以是历史上曾经对目标用户的语音数据进行语种识别所得到的数据。例如，可以包括对目标用户的语音数据进行语种识别所得到的语种识别数据。
相应地，历史语种识别数据可包括：用户标识、会议标识、语种检测序列及对应每次语种检测的时间戳。其中，会议标识对应为目标用户曾经参加过的会议的会议标识，而语种检测序列可以为对目标用户参加相应会议标识所指示的会议中所讲的语音数据序列进行语种识别的语种序列，语种序列中每个语种检测的时间戳可以对应了相应语音数据的时间戳，例如可以是该语音数据对应的起始时间或者结束时间。
在一些可选的实施方式中，上述步骤301可具体包括：
首先，获取目标用户标识对应的历史语种识别数据。
其次，对目标用户的历史语种识别数据进行脱敏处理。
可选地，可以将脱敏后的历史语种识别数据写入消息队列，并导入蜂房Hive表，其中，Hive表可以是离线的数据表，以方便进行统计。Hive是基于海杜普Hadoop分布式系统基础架构的一个数据仓库工具，用来进行数据提取、转化、加载，是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。
数据脱敏是指对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。在涉及客户安全数据或者一些商业性敏感数据的情况下，在不违反系统规则的条件下，对真实数据进行改造并提供测试使用，如身份证号、手机号、卡号、客户号等个人信息都需要进行数据脱敏。可以理解的是，将获取到的语种识别数据进行脱敏，能够有效避免用户的敏感数据泄露，提高数据安全性并且合规。
最后，对脱敏处理后的历史语种识别数据进行统计，得到目标用户的历史语种识别统计数据。
这里，历史语种识别统计数据用于表征语种识别结果的分布特点。
在一些可选的实施方式中，目标用户的历史语种识别统计数据可包括：目标用户参与的会议数，对目标用户的语音数据进行语种识别的总次数，识别出来各个语种的比例等。
在一些可选的实施方式中，历史语种识别统计数据，还可具体包括：
进行语种识别的总次数、识别出的语种及对应每个语种的识别次数。
在一些可选的实施方式中，上述步骤301还可具体包括：
获取目标用户参与的预设会议次数阈值以上次会议对应的历史语种识别统计数据。
其中，预设会议次数阈值可以根据实际应用场景的需要进行设置，以避免样本数量过少引起的统计偏差。例如，预设会议次数阈值可以为10至20次，这里只是举例说明，并非对预设会议次数阈值的具体限定。可以理解的是，在一些应用场景中，用户参与的会议次数太少，根据在少量会议中应用到的语言并不能够确定该用户在其他会议中是否还会用到其他语言。例如，对于某用户C，在其历史语种识别统计数据中，参与的会议数只有2次，其中语种检测结果均为中文，但实际上用户C偶尔也会以英文的形式参与其他会议，在参与的会议数过少的情况下，不足以确认该用户是否还会用到其它语种，因此，这样的历史语种识别统计数据不予采用。进一步地，通过获取目标用户参与的预设会议次数阈值以上次会议对应的历史语种识别统计数据，能够避免样本数量过少引起的统计偏差，进而得到的常用语种集合更接近用户的真实语种使用情况。
步骤302，基于历史语种识别统计数据确定目标用户的常用语种集合。
在一些可选的实施方式中，上述步骤302可包括：
将识别次数在总次数中占比大于预设比例阈值的语种确定为常用语种集合中的语种。其中，预设比例阈值可根据历史语种识别统计数据所对应的语种识别方法服务的准确率确定，也可以根据实际应用场景的需要进行设置。可以理解的是，目前所常见的语种识别服务的误检率通常在千分之五以内，这里只是举例说明，而非是对于预设比例阈值的具体限定。因此，对于语种识别数据中占比明显低于预设比例阈值的语种类型，在本公开的一些实施方式中可认为是语种识别误差结果；例如，对于某用户A，在其历史语种识别统计数据的总计1000次检测中有998次检测结果为中文，2次检测结果为日文，则可认为这2次为日文的检测结果是由于语种识别误检导致的，进而认为该用户A在实际中只使用中文，不使用日文，2次日文为误检，符合用户的实际语言使用情况，可认为该用户A的常用语种集合包括中文。
在一些可选的实施方式中，上述步骤302可包括：
将识别次数在预设识别次数阈值以上的语种确定为语种集合中的语种。
这里，预设识别次数阈值可以根据实际应用场景的需要进行设置。可以理解的是，在一些应用场景中，用户可能在较长的时间内使用单一的语种，但偶尔会出现需要使用第二种语言的情况，在这种情况下，历史语种识别统计数据可能会显示第二种语言的比例低于预设比例阈值，但用户确实使用了至少两种语言；例如，对于某用户B，在其历史语种识别统计数据的总计100000次检测中，有400次检测结果为英文，占语种识别总次数100000的千分之四，尽管语种识别服务存在误检率，但根据英文的检测结果次数依然可确定该用户B实际使用了英文；该用户B在实际中以使用中文为主，偶尔会以英文作为交流语言，符合实际情况。可认为该用户B的常用语种集合包括英文。
在一些可选的实施方式中，上述步骤302可包括：
将目标用户在至少一次会议中识别次数占比大于预设比例阈值的语种类型确定为常用语种集合中的语种。例如，对于某用户D，在其历史语种识别数据中，参与的多次会议中只有一两次使用了与其他会议中不同的语言种类，若根据识别次数在总次数中占比判断，很可能被判定为误识别，但在单次会议中某语种的识别次数超过预设比例阈值，则明显可以确定用户D使用了该语种。
步骤202，基于常用语种集合所包含的常用语种的数量确定是否调用语种识别服务。
可以理解的是，常用语种集合包含了目标用户的常用语种信息，即目标用户语音数据中可能包含的语种信息。
语种识别服务是用于识别目标用户语音数据的语种的服务，当目标用户的常用语种集合中常用语种只有一种时，目标用户语音数据的语种是可以直接根据常用语种集合中的常用语种确定的，因此不需要调用语种识别服务。即，如果能够根据常用语种集合对目标用户的语种进行确定的情况下，可以不对目标用户进行语种识别。这样可降低流式场景下误识别的可能性，并节省大量的计算资源。
而当常用语种集合所包含的常用语种数量大于一种时，目标用户语音数据中可能包含的语种不唯一，因此需要调用语种识别服务。
在一些可选的实施方式中，上述步骤202可包括以下之一：
响应于常用语种集合中的语种数量不超过预设阈值，确定不调用语种识别服务。
响应于常用语种集合中的语种数量大于预设阈值，调用语种识别服务。
这里，预设阈值可包括一种。可以理解的是，当常用语种集合中的语种数量不超过一种时，目标用户语音数据中可能包括的语种只有一种，因此，可以将常用语种集合中的语种直接确定为目标用户语音数据的目标语种；当常用语种集合中的语种改数量大于一种时，目标用户语音数据中可能包括的语种大于一种，因此，需要调用语种识别服务对目标用户语音数据的目标语种进行确定。
步骤203，响应于确定调用语种识别服务，基于语种识别服务确定语音数据的目标语种。
上述实施例中，通过将常用语种集合所包含的常用语种的数量作为是否调用语种识别服务的判定因素，如常用语种的数量为1时不需要判定语种时不需要进行语种识别，减少了对语种识别服务的调用，进而降低了语种识别的硬件资源成本。
在一些可选的实施方式中，上述步骤203可包括：
将常用语种集合所包含的语种作为语音数据的候选语种，基于语种识别服务，从候选语种中确定出目标语种。
可以理解的是，语种的数量必然为1以上的整数，即包括语种的数量为1或语种的数量大于1。
当常用语种集合中语种数量为1时，表明常用语种集合确认目标用户使用的语种是单一的，即对该目标用户的语种可以不做识别，直接将常用语种集合的语种确定为目标用户的识别语种。
当常用语种集合中语种数量大于1时，表明常用语种集合确认目标用户使用的语种为多种，具体地，目标用户使用的语种为常用语种集合中的语种，可以确定常用语种集合所包含的语种作为目标用户语音数据的候选语种。
可以理解的是，在不确定备选语种的情况下，语种识别服务通常是采用全语种类型备选的。本实施例中，若常用语种集合中语种数量大于预设阈值，则表明目标用户使用的语种为常用语种集合中的语种，通过将历史语种信息表征的语种确定为语种识别服务的备选语种，缩小了语种识别服务的备选语种范围，可以调用分类更少的语种识别服务引擎，减少了误分类的可能性，提高语种识别的准确率。
在一些可选的实施方式中，上述执行主体还可以在步骤203后执行以下步骤204：
步骤204，根据确定的目标语种对目标用户的语音数据进行语音识别。
通过基于目标用户的备选语种集合对目标用户的语音数据进行语种识别，能够缩小语种识别时检索的语种类型范围，提高语种识别效率，并降低语种识别的计算成本。
这里，可以采用目前已知或者未来开发的语种识别算法实现对语音数据进行语种识别，本申请对此不做具体限定。例如，语谱图转化法、基于快速特征嵌入的卷积结构的卷积神经网络程序训练实现及卷积神经网络预测音频语言种类等。
进一步参考图4，作为对上述图2所示方法的实现，本公开提供了一种语种确定装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，本实施例的语种确定装置400包括：获取单元401、处理单元402及配置单元403。其中，获取单元401，可以被配置成响应于收到目标用户的语音数据，获取目标用户的常用语种集合。处理单元402，可以被配置成基于常用语种集合所包含的常用语种的数量确定是否调用语种识别服务。配置单元403，可以被配置成响应于确定调用语种识别服务，基于语种识别服务确定语音数据的目标语种。
在本实施例中，语种确定装置400的获取单元401、处理单元402和配置单元403具体处理及其所带来的技术效果可分别参考图2中对应实施例中步骤201至203的相关说明，在此不再赘述。
在一些可选的实施方式中，处理单元402，被具体配置成：
响应于常用语种集合中的语种数量不超过预设阈值，确定不调用语种识别服务。
在一些可选的实施方式中，处理单元402，被具体配置成：
响应于常用语种集合中的语种数量大于预设阈值，调用语种识别服务。
配置单元403，被具体配置成：
将常用语种集合所包含的语种作为语音数据的候选语种，基于语种识别服务，从候选语种中确定出目标语种。
在一些可选的实施方式中，装置400还包括：
语种识别单元(未示出)，被配置成根据确定的目标语种对语音数据进行语音识别。
在一些可选的实施方式中，为得到目标用户的常用语种集合，处理单元402被配置成执行以下常用语种确定步骤：
获取目标用户的历史语种识别统计数据。
基于历史语种识别统计数据确定目标用户的常用语种集合。
在一些可选的实施方式中，历史语种识别统计数据，包括：
进行语种识别的总次数、识别出的语种及对应每种语种的识别次数。
在一些可选的实施方式中，处理单元402，被具体配置成：
将识别次数在总次数中占比大于预设比例阈值的语种确定为常用语种集合中的语种。
在一些可选的实施方式中，处理单元402，被具体配置成：
将识别次数在预设识别次数阈值以上的语种确定为常用语种集合中的语种。
在一些可选的实施方式中，获取目标用户的历史语种识别统计数据，包括：
获取目标用户参与的预设会议次数阈值以上次会议对应的历史语种识别统计数据。
在一些可选的实施方式中，处理单元402，被具体配置成：
获取目标用户标识对应的历史语种识别数据。
对与目标用户标识对应的历史语种识别数据进行脱敏处理。
对脱敏处理后的历史语种识别数据进行统计，得到历史语种识别统计数据。
在一些可选的实施方式中，历史语种识别数据包括：
用户标识、会议标识、语种检测序列及对应每次语种检测的时间戳。
需要说明的是，本公开提供的语种确定装置400中各单元的实现细节和技术效果可以参考本公开中其它实施例的表述，在此不再赘述。
下面参考图5，其示出了适于用来实现本公开的实施例的服务器的计算机系统500的结构示意图。图5示出的计算机系统500仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许计算机系统500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的计算机系统500，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509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。
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。
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，使得该电子设备实现如图2所示的实施例及其可选实施方式示出的语种确定方法。
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。
描述于本公开的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，数据获取单元还可以被描述为“响应于对目标用户历史语种识别数据的获取请求，进行数据获取的单元”。
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。
Claims (14)
1.一种语种确定方法，包括：
响应于收到目标用户的语音数据，获取所述目标用户的常用语种集合；
基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务；
响应于确定调用所述语种识别服务，基于所述语种识别服务确定所述语音数据的目标语种。
2.根据权利要求1所述的方法，其中，所述基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务，包括：
响应于所述常用语种集合中的语种数量不超过预设阈值，确定不调用所述语种识别服务。
3.根据权利要求1所述的方法，其中，所述基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务，包括：
响应于所述常用语种集合中的语种数量大于预设阈值，调用所述语种识别服务；
所述响应于确定调用所述语种识别服务，基于所述语种识别服务确定所述语音数据的目标语种，包括：
将所述常用语种集合所包含的语种作为所述语音数据的候选语种，基于所述语种识别服务，从所述候选语种中确定出所述目标语种。
4.根据权利要求1至3任一项所述的方法，其中，所述方法还包括：
根据确定的目标语种对所述语音数据进行语音识别。
5.根据权利要求1所述的方法，其中，所述目标用户的常用语种集合通过以下常用语种确定步骤得到：
获取所述目标用户的历史语种识别统计数据；
基于所述历史语种识别统计数据确定所述目标用户的常用语种集合。
6.根据权利要求5所述的方法，其中，所述历史语种识别统计数据，包括：
进行语种识别的总次数、识别出的语种及对应每种语种的识别次数。
7.根据权利要求6所述的方法，其中，所述基于所述历史语种识别统计数据确定所述目标用户的常用语种集合，包括：
将识别次数在所述总次数中占比大于预设比例阈值的语种确定为所述常用语种集合中的语种。
8.根据权利要求6所述的方法，其中，所述基于所述历史语种识别统计数据确定所述目标用户的常用语种集合，包括：
将识别次数在预设识别次数阈值以上的语种确定为所述常用语种集合中的语种。
9.根据权利要求6所述的方法，其中，所述获取所述目标用户的历史语种识别统计数据，包括：
获取所述目标用户参与的预设会议次数阈值以上次会议对应的所述历史语种识别统计数据。
10.根据权利要求5所述的方法，其中，所述获取所述目标用户的历史语种识别统计数据，包括：
获取所述目标用户标识对应的历史语种识别数据；
对与所述目标用户标识对应的历史语种识别数据进行脱敏处理；
对所述脱敏处理后的历史语种识别数据进行统计，得到所述历史语种识别统计数据。
11.根据权利要求10所述的方法，其中，所述历史语种识别数据包括：
用户标识、会议标识、语种检测序列及对应每次语种检测的时间戳。
12.一种语种确定装置，所述装置包括：
获取单元，被配置成响应于收到目标用户的语音数据，获取所述目标用户的常用语种集合；
处理单元，被配置成基于所述常用语种集合所包含的常用语种的数量确定是否调用语种识别服务；
配置单元，被配置成响应于确定调用所述语种识别服务，基于所述语种识别服务确定所述语音数据的目标语种。
13.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至11中任一所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被一个或多个处理器执行时实现如权利要求1至11中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110624592.4A CN113380224A (zh) | 2021-06-04 | 2021-06-04 | 语种确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110624592.4A CN113380224A (zh) | 2021-06-04 | 2021-06-04 | 语种确定方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113380224A true CN113380224A (zh) | 2021-09-10 |
Family
ID=77575838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110624592.4A Pending CN113380224A (zh) | 2021-06-04 | 2021-06-04 | 语种确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113380224A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160036740A1 (en) * | 2014-07-31 | 2016-02-04 | Mimecast North America Inc. | Automatic translator identification |
| CN107526826A (zh) * | 2017-08-31 | 2017-12-29 | 百度在线网络技术（北京）有限公司 | 语音搜索处理方法、装置及服务器 |
| US10565320B1 (en) * | 2018-09-28 | 2020-02-18 | International Business Machines Corporation | Dynamic multilingual speech recognition |
| CN110970018A (zh) * | 2018-09-28 | 2020-04-07 | 珠海格力电器股份有限公司 | 语音识别方法和装置 |
| CN112185348A (zh) * | 2020-10-19 | 2021-01-05 | 平安科技（深圳）有限公司 | 多语种语音识别方法、装置及电子设备 |
-
2021
- 2021-06-04 CN CN202110624592.4A patent/CN113380224A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160036740A1 (en) * | 2014-07-31 | 2016-02-04 | Mimecast North America Inc. | Automatic translator identification |
| CN107526826A (zh) * | 2017-08-31 | 2017-12-29 | 百度在线网络技术（北京）有限公司 | 语音搜索处理方法、装置及服务器 |
| US10565320B1 (en) * | 2018-09-28 | 2020-02-18 | International Business Machines Corporation | Dynamic multilingual speech recognition |
| CN110970018A (zh) * | 2018-09-28 | 2020-04-07 | 珠海格力电器股份有限公司 | 语音识别方法和装置 |
| CN112185348A (zh) * | 2020-10-19 | 2021-01-05 | 平安科技（深圳）有限公司 | 多语种语音识别方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11061945B2 (en) | Method for dynamically assigning question priority based on question extraction and domain dictionary | |
| US11023716B2 (en) | Method and device for generating stickers | |
| CN109993150B (zh) | 用于识别年龄的方法和装置 | |
| CN109514586B (zh) | 实现智能客服机器人的方法及系统 | |
| EP3451328A1 (en) | Method and apparatus for verifying information | |
| US11790375B2 (en) | Flexible capacity in an electronic environment | |
| CN107731229B (zh) | 用于识别语音的方法和装置 | |
| CN109829432B (zh) | 用于生成信息的方法和装置 | |
| JP2019091012A (ja) | 情報認識方法および装置 | |
| CN112509562B (zh) | 用于文本后处理的方法、装置、电子设备和介质 | |
| CN111312243B (zh) | 设备交互方法和装置 | |
| CN110046571B (zh) | 用于识别年龄的方法和装置 | |
| CN109949806B (zh) | 信息交互方法和装置 | |
| CN108268936B (zh) | 用于存储卷积神经网络的方法和装置 | |
| CN113823282B (zh) | 语音处理方法、系统和装置 | |
| CN113782022B (zh) | 基于意图识别模型的通信方法、装置、设备及存储介质 | |
| CN114566173A (zh) | 一种音频混音方法、装置、设备及存储介质 | |
| CN110727775A (zh) | 用于处理信息的方法和装置 | |
| CN112309387A (zh) | 用于处理信息的方法和装置 | |
| CN113380224A (zh) | 语种确定方法、装置、电子设备及存储介质 | |
| CN111339770B (zh) | 用于输出信息的方法和装置 | |
| CN109614137B (zh) | 软件版本控制方法、装置、设备和介质 | |
| CN113852835A (zh) | 直播音频处理方法、装置、电子设备以及存储介质 | |
| CN112765022A (zh) | 一种基于数据流的Webshell静态检测方法及电子设备 | |
| CN113312928A (zh) | 文本翻译方法、装置、电子设备和存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210910 |