CN114664307A - 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
- CN114664307A CN114664307A CN202210264521.2A CN202210264521A CN114664307A CN 114664307 A CN114664307 A CN 114664307A CN 202210264521 A CN202210264521 A CN 202210264521A CN 114664307 A CN114664307 A CN 114664307A
- Authority
- CN
- China
- Prior art keywords
- conference
- word
- weight
- target
- asr engine
- 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
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000036651 mood Effects 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
- 238000013519 translation Methods 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
- G10L15/26—Speech to text systems
-
- 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
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0631—Creating reference templates; Clustering
- G10L2015/0633—Creating reference templates; Clustering using lexical or orthographic knowledge sources
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)
- Signal Processing (AREA)
- Machine Translation (AREA)
Abstract
本公开提供一种语音识别方法、装置、电子设备和存储介质。该方法的一具体实施方式包括:获取目标会议的相关信息,目标会议的相关信息包括与目标会议有关的信息;提取出相关信息的会议关联词集合;根据用于自动语音识别的目标ASR引擎对应的热词确定规则,确定各会议关联词是否为与目标ASR引擎对应的热词;将所确定的热词,按照相应的热词权重输入目标ASR引擎,以实现对目标会议的语音数据进行自动语音识别。该实施方式不仅可以提高热词提取的能力,还可以适应不同ASR引擎。
Description
技术领域
本公开的实施例涉及语音识别技术领域,具体涉及语音识别方法、装置、电子设备和存储介质。
背景技术
随着语音识别技术的发展,产生了众多的语音识别引擎。这里,自动语音识别(Automatic Speech Recognition,ASR)引擎是指用于将语音数据识别为文本的应用程序。
由于现有技术的限制,语音识别引擎的识别率尚无法达到100%。为了适应不同场景的需要,大多ASR引擎支持热词输入,即希望通过将热词或者将热词和对应热词语音数据输入ASR引擎以提高对热词的识别概率。热词是对ASR识别结果进行干预的一种重要手段。
发明内容
本公开的实施例提出了语音识别方法、装置、电子设备和存储介质。
第一方面,本公开的实施例提供了一种语音识别方法,包括:获取目标会议的相关信息,所述目标会议的相关信息包括与所述目标会议有关的信息;提取出所述相关信息的会议关联词集合;根据用于自动语音识别的目标ASR引擎对应的热词确定规则,确定各所述会议关联词是否为与所述目标ASR引擎对应的热词;将所确定的热词,按照相应的热词权重输入所述目标ASR引擎,以实现对所述目标会议的语音数据进行自动语音识别。
在一些可选的实施方式中,所述目标会议的相关信息包括以下至少一项:所述目标会议的内容信息和参会人信息。
在一些可选的实施方式中,所述热词确定规则包括热词权重确定规则;以及所述根据用于自动语音识别的目标ASR引擎对应的热词确定规则,确定各所述会议关联词是否为与所述目标ASR引擎对应的热词,包括:根据用于自动语音识别的目标ASR引擎对应的热词权重确定规则,确定各所述会议关联词在所述目标ASR引擎中的热词权重;根据各所述会议关联词在所述目标ASR引擎中的热词权重,确定该所述会议关联词是否为热词。
在一些可选的实施方式中,所述根据用于自动语音识别的目标ASR引擎对应的热词权重确定规则,确定各所述会议关联词在所述目标ASR引擎中的热词权重,包括:对于各所述会议关联词,根据该会议关联词的权重特征确定该会议关联词在所述目标ASR引擎中的热词权重,其中,所述权重特征包括以下至少一个要素:用于表征该会议关联词的实体类型的实体类型标签、用于表征预设热词词典是否包括该会议关联词的预设热词标签以及用于表征该会议关联词在所述目标ASR引擎中出现概率的语言模型概率。
在一些可选的实施方式中,所述对于各所述会议关联词,根据该会议关联词的权重特征确定该会议关联词在所述目标ASR引擎中的热词权重,包括:对于各所述会议关联词,对该会议关联词的权重特征所包含的要素对应的权值进行加权求和,以确定该会议关联词在所述目标ASR引擎中的热词权重,其中,所述实体类型标签对应的权值是根据与所述目标ASR引擎对应的、实体类型标签与权值之间的对应关系确定的,所述预设热词标签对应的权值是根据与所述目标ASR引擎对应的、热词标签与权值之间的对应关系确定的,所述语言模型概率对应的权值是根据与所述目标ASR引擎对应的、语言模型概率与权值之间的对应关系确定的。
在一些可选的实施方式中,所述对于各所述会议关联词,对该会议关联词的权重特征所包含的要素对应的权值进行加权求和,以确定该会议关联词在所述目标ASR引擎中的热词权重,包括:对于各所述会议关联词,按照与所述目标ASR引擎对应的第一权重系数、第二权重系数以及第三权重系数,对该会议关联词在所述目标ASR引擎中的实体类型标签对应的权值、预设热词标签对应的权值以及语言模型概率对应的权值进行加权求和,得到该会议关联词在所述目标ASR引擎中的热词权重。
在一些可选的实施方式中,所述目标会议为正在进行中的音视频会议。
在一些可选的实施方式中,所述根据各所述会议关联词在所述目标ASR引擎中的热词权重,确定该所述会议关联词是否为热词,包括:将热词权重大于预设热词权重阈值的会议关联词确定为热词。
第二方面,本公开的实施例提供了一种语音识别装置,该装置包括:获取单元,被配置成获取目标会议的相关信息,所述目标会议的相关信息包括与所述目标会议有关的信息;提取单元,被配置成提取出所述相关信息的会议关联词集合;热词确定单元,被配置成根据用于自动语音识别的目标ASR引擎对应的热词确定规则,确定各所述会议关联词是否为与所述目标ASR引擎对应热词;语音识别单元,将所确定的热词,按照相应的热词权重输入所述目标ASR引擎,以实现对所述目标会议的语音数据进行自动语音识别。
在一些可选的实施方式中,所述目标会议的相关信息包括以下至少一项:所述目标会议的内容信息和参会人信息。
在一些可选的实施方式中,所述热词确定规则包括热词权重确定规则;以及所述热词确定单元进一步被配置成:根据用于自动语音识别的目标ASR引擎对应的热词权重确定规则,确定各所述会议关联词在所述目标ASR引擎中的热词权重;根据各所述会议关联词在所述目标ASR引擎中的热词权重,确定该所述会议关联词是否为热词。
在一些可选的实施方式中,所述热词确定单元进一步被配置成:对于各所述会议关联词,根据该会议关联词的权重特征确定该会议关联词在所述目标ASR引擎中的热词权重,其中,所述权重特征包括以下至少一个要素:用于表征该会议关联词的实体类型的实体类型标签、用于表征预设热词词典是否包括该会议关联词的预设热词标签以及用于表征该会议关联词在所述目标ASR引擎中出现概率的语言模型概率。
在一些可选的实施方式中,所述热词确定单元进一步被配置成:对于各所述会议关联词,对该会议关联词的权重特征所包含的要素对应的权值进行加权求和,以确定该会议关联词在所述目标ASR引擎中的热词权重,其中,所述实体类型标签对应的权值是根据与所述目标ASR引擎对应的、实体类型标签与权值之间的对应关系确定的,所述预设热词标签对应的权值是根据与所述目标ASR引擎对应的、热词标签与权值之间的对应关系确定的,所述语言模型概率对应的权值是根据与所述目标ASR引擎对应的、语言模型概率与权值之间的对应关系确定的。
在一些可选的实施方式中,所述热词确定单元进一步被配置成:对于各所述会议关联词,按照与所述目标ASR引擎对应的第一权重系数、第二权重系数以及第三权重系数,对该会议关联词在所述目标ASR引擎中的实体类型标签对应的权值、预设热词标签对应的权值以及语言模型概率对应的权值进行加权求和,得到该会议关联词在所述目标ASR引擎中的热词权重。
在一些可选的实施方式中,所述目标会议为正在进行中的音视频会议。
在一些可选的实施方式中,所述热词确定单元进一步被配置成:将热词权重大于预设热词权重阈值的会议关联词确定为热词。
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。
为更好地在语音识别过程中应用热词技术,申请人经过实践研究发现,由于ASR引擎本身对不同的词识别概率是不同的,比如,对某些词很容易识别,这些词称为“易识别词”;反之,某些词很难识别,称为“难识别词”。对于易识别词,由于ASR引擎本身就能良好识别,这部分词作为热词本身意义不大,相反还可能带来副作用,导致其他音近词容易误识别为该热词。一个有效的热词应是ASR引擎本身识别概率不高的难识别词。另外,由于不同ASR引擎的识别特性不同,并且多数ASR引擎支持传入热词的同时附带对应权重,而同一权重对不同引擎的影响效果是不同的。因此有必要根据不同ASR引擎的识别特性确定热词权重,并且将热词权重输入至按照相应的ASR引擎,以实现对目标会议的语音数据进行自动语音识别。
本公开的实施例提供的语音识别方法、装置、电子设备和存储介质,首先从专注“内容关联性”的角度,从各种信息源提取出与目标会议相关的会议关联词。然后从专注“引擎适配性”的角度,确定各会议关联词在目标ASR引擎中的热词权重,进而基于热词权重确定会议关联词是否为热词,将所确定的热词及相应的热词权重输入至目标ASR引擎,并基于热词权重对目标会议的语音数据进行自动语音识别,从而提高整体语音识别的识别率。另外,热词提取可以只需判断会议关联词在目标会议中出现的情况,而无需关注目标ASR引擎是否已经很好地识别。热词的确定可以适应不同ASR引擎或多ASR引擎的场景及ASR引擎迭代的影响。由此不仅可以提高热词提取的能力,还可以适应不同ASR引擎。
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是根据本公开的语音识别方法的一个实施例的流程图;
图3是根据本公开的语音识别装置的一个实施例的结构示意图;
图4是适于用来实现本公开的实施例的电子设备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音识别方法、装置、电子设备和存储介质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,例如文本处理类应用、语音识别类应用、短视频社交类应用、网络会议类应用、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,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、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终端设备中。其可以实现成多个软件或软件模块(例如用来提供语音识别服务),也可以实现成单个软件或软件模块。在此不做具体限定。
在一些情况下,本公开所提供的语音识别方法可以由终端设备101、102、103执行,相应地,语音识别装置可以设置于终端设备101、102、103中。这时,系统架构100也可以不包括服务器105。
在一些情况下,本公开所提供的语音识别方法可以由终端设备101、102、103和服务器105共同执行,本公开对此不做限定。相应地,语音识别装置也可以分别设置于终端设备101、102、103和服务器105中。
在一些情况下,本公开所提供的语音识别方法可以由服务器105执行,相应地,语音识别装置也可以设置于服务器105中,这时,系统架构100也可以不包括终端设备101、102、103。
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。
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音识别方法的一个实施例的流程200,该语音识别方法包括以下步骤:
步骤201,获取目标会议的相关信息。
在本实施例中,语音识别方法的执行主体(例如图1所示的终端设备101、102、103)可以从本地或者远程地从与上述执行主体网络连接的其他电子设备获取目标会议的相关信息。
这里,目标会议的相关信息可以包括各种与目标会议有关的信息。
在一些可选的实施方式中,目标会议的相关信息可以包括以下至少一项:目标会议的内容信息和参会人信息。具体地,目标会议的内容信息可以包括以下至少一项:目标会议的标题信息、目标会议中的共享内容信息以及目标会议进行过程中所采集的语音或字幕。参会人信息可以是参会人姓名、参会人身份标识。
在一些可选的实施方式中,目标会议可以为正在进行中的音视频会议。相应地,目标会议的相关信息中所包括的目标会议进行过程中所采集的语音或字幕也可以是目标会议进行过程中已经采集的语音或字幕。
步骤202,提取出相关信息的会议关联词集合。
在本实施例中,上述执行主体可以采用各种实现方式从目标会议的相关信息中提取出会议关联词集合。这里,会议关联词可以是与目标会议相关联的词语,即可以是在目标会议过程中有较大概率出现的词语。
作为示例,可以采用机器学习或数据挖掘算法从相关信息中提取出会议关联词集合,也可以通过人工从相关信息中选取出会议关联词集合。
在一些可选的实施方式中,可以采用关键词提取算法提取出相关信息的会议关联词集合。关键词提取算法例如可以是词频-逆向文件频率(term frequency-inversedocument frequency,TF-IDF)算法、topic相似度等无监督的算法,例如还可以是基于统计机器翻译SMT模型、基于序列标注模型等有监督的算法。
进一步地,还可以对会议关联词集合进行过滤处理。例如可以从会议关联词集合中过滤掉出现频次较低的候选词,过滤掉预设停用词,过滤掉介词、连词、助词、语气词等虚词。
步骤203,根据用于自动语音识别的目标ASR引擎对应的热词确定规则,确定各会议关联词是否为与目标ASR引擎对应的热词。
这里,ASR引擎可以是用于将语音数据识别为文本的应用程序。目标ASR引擎可以是用于将目标会议的语音数据识别为文本的应用程序。热词确定规则可以用于表征具体的热词确定策略。热词确定规则可以用于确定会议关联词是否为与目标ASR引擎对应的热词。
具体地,热词确定规则可以包括至少一个热词确定项及对应的热词确定条件。热词确定项可以是与目标ASR引擎特征相关。热词确定项也可以是与热词特征相关。热词确定条件可以是热词确定项符合热词的条件。
在本实施例中,上述执行主体可以根据预设的ASR引擎标识与热词确定规则之间的对应关系,确定与目标ASR引擎的ASR引擎标识对应的热词确定规则。即可以预先针对不同的ASR引擎设定相应的热词确定规则。然后再根据所确定出的目标ASR引擎对应的热词确定规则,确定各会议关联词的各热词确定项是否满足对应的热词确定条件。将满足热词确定条件的会议关联词确定为与目标ASR引擎对应的热词。
在一些可选的实施方式中,热词确定规则可以包括热词权重确定规则。进一步,步骤203可以包括步骤2031和步骤2032。
步骤2031,根据用于自动语音识别的目标ASR引擎对应的热词权重确定规则,确定各会议关联词在目标ASR引擎中的热词权重。
举例而言,目标ASR引擎对应的热词权重确定规则例如可以是热词权重确定对应关系表。热词权重确定对应关系表用于表征包括热词的不同指标项与该指标项的权重系数之间的对应关系。其中,指标项可以与目标ASR引擎相关,例如可以是热词在目标ASR引擎中的语言模型概率。权重系数可以表示相应的指标项对热词在目标ASR引擎中的热词权重的影响程度。指标项也可以与目标ASR引擎无关。
在一些可选的实施方式中,步骤2031可以如下进行:对于各会议关联词,根据该会议关联词的权重特征确定该会议关联词在目标ASR引擎中的热词权重。
这里,权重特征可以包括以下至少一个要素:用于表征该会议关联词的实体类型的实体类型标签、用于表征预设热词词典是否包括该会议关联词的预设热词标签以及用于表征该会议关联词在目标ASR引擎中出现概率的语言模型概率。
在该可选实施方式中,上述执行主体可以直接从预先存储的会议关联词与实体类型标签之间的对应关系表中获取该会议关联词的实体类型标签,也可以通过例如基于CRF(Conditional random field,条件随机场)的NER(Named Entity Recognition,命名实体识别)获取该会议关联词的实体类型标签。一个会议关联词可以有一个或多个实体类型标签。实体类型标签可以用于表征会议关联词的实体类型,例如可以是时间、人名、地名、普通词等。普通词可以是除时间、人名、地名以外的词语。举例来说,会议关联词“北京”对应的实体类型标签可以为“城市名”。通过获取实体类型标签,然后考量目标ASR引擎识别不同实体类型的难易程度,由此可以对会议关联词的实体类型标签对该会议关联词作为热词输入目标ASR引擎的热词权重的影响程度进行控制。
预设热词词典可以是根据经验预先设置的。举例来说,预设热词词典可以包括目标ASR引擎识别率较低的词语,即目标ASR能够较准确地识别的词语。预设热词标签例如为“热词”,即表征预设热词词典包括该会议关联词。预设热词标签例如为“非热词”,即表征预设热词词典不包括该会议关联词。通过会议关联词的预设热词标签,可以对预设热词标签对该会议关联词作为热词输入目标ASR引擎的热词权重的影响程度进行控制。
举例来说,预设热词词典可以包括热词白名单和热词黑名单。热词黑名单可以包括目标ASR引擎识别率较高的词语。热词白名单可以包括目标ASR引擎识别率较低的词语。若会议关联词属于热词黑名单,则表明目标ASR能够较准确地识别出该会议关联词,该会议关联词作为热词输入目标ASR的意义不大。若会议关联词属于热词黑名单,则表明目标ASR难以准确地识别出该会议关联词。预设热词标签例如为“热词”,即表征热词白名单包括该会议关联词。预设热词标签例如为“非热词”,即表征热词黑名单包括该会议关联词。上述执行主体可以通过目标ASR引擎的语言模型获取各会议关联词的语言模型概率。会议关联词在目标ASR引擎的语言模型概率可以用于表征该会议关联词出现的概率。会议关联词的语言模型概率越高,表明该会议关联词越容易被目标ASR引擎的语言模型识别。目标ASR引擎可以包括一个或多个语言模型。语言模型可以为N-gram语言模型。同一个会议关联词在各语言模型对应的语言模型概率可以是不同的。例如“北京”在语言模型A对应的语言模型概率可以是1%,在语言模型B对应的语言模型概率可以是1.5%。通过获取会议关联词的语言模型概率,考量会议关联词在目标ASR引擎的语言模型的识别,可以对该会议关联词在目标ASR引擎中的语言模型概率对该会议关联词作为热词输入目标ASR引擎的热词权重的影响程度进行控制。
进一步地,步骤2031也可以如下执行:对于各会议关联词,对该会议关联词的权重特征所包含的要素对应的权值进行加权求和,以确定该会议关联词在目标ASR引擎中的热词权重。其中,实体类型标签对应的权值是根据与目标ASR引擎对应的、实体类型标签与权值之间的对应关系确定的,预设热词标签对应的权值是根据与目标ASR引擎对应的、热词标签与权值之间的对应关系确定的,语言模型概率对应的权值是根据与目标ASR引擎对应的、语言模型概率与权值之间的对应关系确定的。
一方面,对于各会议关联词,上述执行主体可以根据与目标ASR引擎对应的、用于表征实体类型标签与第一权重之间的对应关系的对应关系表,确定该会议关联词的实体类型标签对应的权值。举例而言,在上述对应关系表中,目标ASR引擎难识别的实体类型标签对应的权值相对于目标ASR引擎易识别的实体类型标签对应的权值较大。即会议关联词的实体类型标签对应的权值越大,该会议关联词确定为热词的可能性越大。
另一方面,上述执行主体可以根据与目标ASR引擎对应的、用于表征预设热词标签与权值之间的对应关系的对应关系表,确定该会议关联词的预设热词标签对应的权值。举例而言,用于表征预设热词词典包括该会议关联词的预设热词标签对应的权值相对于用于表征预设热词词典不包括该会议关联词的预设热词标签对应的权值较大。
举例而言,用于表征热词白名单包括该会议关联词的预设热词标签对应的权值相对于用于表征热词黑名单包括该会议关联词的预设热词标签对应的权值较大。即会议关联词的预设热词标签对应的权值越大,该会议关联词确定为热词的可能性越大。
再一方面,上述执行主体可以根据与目标ASR引擎对应的、用于表征语言模型概率与权值之间对应关系的对应关系确定的,确定该会议关联词的语言模型概率对应的权值。举例而言,会议关联词的语言模型概率越大,该会议关联词的语言模型概率对应的权值越小。即会议关联词的语言模型概率对应的权值越大,该会议关联词确定为热词的可能性越大。
需要说明的是,当权重特征所包含的要素为至少两个时,至少两个要素对应的权值可以先后获取,也可以同时获取。
最后,对于各会议关联词,上述执行主体可以对该会议关联词的权重特征所包含的要素对应的权值进行加权求和,以确定该会议关联词在目标ASR引擎中的热词权重。
进一步地,对于各会议关联词,可以对该会议关联词的权重特征所包含的要素对应的权值进行加权求和,以确定该会议关联词在目标ASR引擎中的热词权重,也可以如下执行:对于各会议关联词,按照与目标ASR引擎对应的第一权重系数、第二权重系数以及第三权重系数,对该会议关联词在目标ASR引擎中的实体类型标签对应的权值、预设热词标签对应的权值以及语言模型概率对应的权值进行加权求和,得到该会议关联词在目标ASR引擎中的热词权重。
这里,第一权重系数可以表示实体类型标签对应的权值影响热词权重的重要程度。第二权重系数可以表示预设热词标签对应的权值影响热词权重的重要程度。第三权重系数可以表示语言模型概率对应的权值影响热词权重的重要程度。举例而言,例如,热词权重为S,实体类型标签对应的权值记为S1,预设热词标签对应的权值记为S2,语言模型概率对应的权值记为S3,则可表示为S=k1S1+k2S2+k3S3,其中,k1为S1对应的第一权重系数,k2为S2对应的第二权重系数,k3为S3对应的第三权重系数,k1、k2以及k3的具体数值可根据权重影响热词权重的重要程度进行设置。
步骤2032,根据各会议关联词在目标ASR引擎中的热词权重,确定该会议关联词是否为热词。
这里,上述执行主体可以采用各种实现方式根据各会议关联词在目标ASR引擎中的热词权重,确定该会议关联词是否为热词。
在一些可选的实施方式中,可以通过以下方式确定会议关联词是否为热词:将热词权重大于预设热词权重阈值的会议关联词确定为热词。
在该可选实施方式中,预设热词权重阈值可以是预先设定的较小值,其可以是设定不变的,也可以根据实际情况进行自定义。即,若会议关联词的热词权重较小,则可以认为目标ASR引擎已经能够很好地识别该会议关联词,进而该会议关联词作为热词的意义不大。
通过该实现方式,可以有效地将目标ASR引擎已良好识别的会议关联词过滤,避免已良好识别的会议关联词作为热词输入至目标ASR引擎。
需要说明的是,对于已良好识别的会议关联词,由于ASR引擎本身就能良好识别,这部分会议关联词作为热词本身意义不大,相反还可能带来副作用,导致其他音近词容易误识别为该部分会议关联词。一个有效的热词应是目标ASR引擎识别概率不高的难识别词。
步骤204,将所确定的各热词,按照相应的热词权重输入目标ASR引擎,以实现对目标会议的语音数据进行自动语音识别。
在本实施例中,上述执行主体可以将步骤203中确定为热词的会议关联词及其相应的热词权重输入至目标ASR引擎中,然后利用目标ASR引擎对目标会议的语音数据进行自动语音识别,从而得到目标会议的语音数据对应的文本。这里,目标ASR引擎可以是支持热词和相应热词权重输入的语音识别引擎。
具体地,在对目标会议的语音数据进行解码的过程中,判断解码路径中是否包含确定为热词的会议关联词。在解码路径中包含时,根据确定为热词的会议关联词相应的热词权重对相应的解码路径进行权重激励,提高确定为热词的会议关联词识别的准确率,进而提高语音识别的识别率。
本公开的上述实施例提供的语音识别方法,首先从专注“内容关联性”的角度,从各种信息源提取出与目标会议相关的会议关联词。然后从专注“引擎适配性”的角度,确定各会议关联词在目标ASR引擎中的热词权重,进而基于热词权重确定会议关联词是否为热词,将所确定的热词及相应的热词权重输入至目标ASR引擎,并基于热词权重对目标会议的语音数据进行自动语音识别,从而提高整体语音识别的识别率。另外,热词提取可以只需判断会议关联词在目标会议中出现的情况,而无需关注目标ASR引擎是否已经很好地识别。热词的确定可以适应不同ASR引擎或多ASR引擎的场景及ASR引擎迭代的影响。由此不仅可以提高热词提取的能力,还可以适应不同ASR引擎。
进一步参考图3,作为对上述各图所示方法的实现,本公开提供了一种语音识别装置的一个实施例,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3所示,本实施例的语音识别装置300包括:获取单元301、提取单元302、热词确定单元303以及语音识别单元304。获取单元301,被配置成获取目标会议的相关信息,目标会议的相关信息包括与目标会议有关的信息;提取单元302,被配置成提取出相关信息的会议关联词集合;热词确定单元303,被配置成根据用于自动语音识别的目标ASR引擎对应的热词确定规则,确定各会议关联词是否为与目标ASR引擎对应热词;语音识别单元304,将所确定的热词,按照相应的热词权重输入目标ASR引擎,以实现对目标会议的语音数据进行自动语音识别。
在本实施例中,语音识别装置300的获取单元301、提取单元302、热词确定单元303以及语音识别单元304的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203以及步骤204的相关说明,在此不再赘述。
在一些可选的实施方式中,目标会议的相关信息可以包括以下至少一项:目标会议的内容信息和参会人信息。
在一些可选的实施方式中,热词确定规则可以包括热词权重确定规则;以及热词确定单元303可以进一步被配置成:根据用于自动语音识别的目标ASR引擎对应的热词权重确定规则,确定各会议关联词在目标ASR引擎中的热词权重;根据各会议关联词在目标ASR引擎中的热词权重,确定该会议关联词是否为热词。
在一些可选的实施方式中,热词确定单元303可以进一步被配置成:对于各会议关联词,根据该会议关联词的权重特征确定该会议关联词在目标ASR引擎中的热词权重,其中,权重特征包括以下至少一个要素:用于表征该会议关联词的实体类型的实体类型标签、用于表征预设热词词典是否包括该会议关联词的预设热词标签以及用于表征该会议关联词在目标ASR引擎中出现概率的语言模型概率。
在一些可选的实施方式中,热词确定单元303可以进一步被配置成:对于各会议关联词,对该会议关联词的权重特征所包含的要素对应的权值进行加权求和,以确定该会议关联词在目标ASR引擎中的热词权重,其中,实体类型标签对应的权值是根据与目标ASR引擎对应的、实体类型标签与权值之间的对应关系确定的,预设热词标签对应的权值是根据与目标ASR引擎对应的、热词标签与权值之间的对应关系确定的,语言模型概率对应的权值是根据与目标ASR引擎对应的、语言模型概率与权值之间的对应关系确定的。
在一些可选的实施方式中,热词确定单元303303可以进一步被配置成:对于各会议关联词,按照与目标ASR引擎对应的第一权重系数、第二权重系数以及第三权重系数,对该会议关联词在目标ASR引擎中的实体类型标签对应的权值、预设热词标签对应的权值以及语言模型概率对应的权值进行加权求和,得到该会议关联词在目标ASR引擎中的热词权重。
在一些可选的实施方式中,目标会议可以为正在进行中的音视频会议。
在一些可选的实施方式中,热词确定单元303可以进一步被配置成:将热词权重大于预设热词权重阈值的会议关联词确定为热词。
需要说明的是,本公开的实施例提供的语音识别装置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说明,在此不再赘述。
下面参考图4,其示出了适于用来实现本公开的电子设备的计算机系统400的结构示意图。图4示出的计算机系统400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4所示,计算机系统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408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,还存储有计算机系统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408;以及通信装置409。通信装置409可以允许计算机系统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的计算机系统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408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音识别方法。
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,获取单元还可以被描述为“获取目标会议的相关信息的单元”。
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 (11)
1.一种语音识别方法,包括:
获取目标会议的相关信息,所述目标会议的相关信息包括与所述目标会议有关的信息;
提取出所述相关信息的会议关联词集合;
根据用于自动语音识别的目标ASR引擎对应的热词确定规则,确定各所述会议关联词是否为与所述目标ASR引擎对应的热词;
将所确定的热词,按照相应的热词权重输入所述目标ASR引擎,以实现对所述目标会议的语音数据进行自动语音识别。
2.根据权利要求1所述的方法,其中,所述目标会议的相关信息包括以下至少一项:所述目标会议的内容信息和参会人信息。
3.根据权利要求1所述的方法,其中,所述热词确定规则包括热词权重确定规则;以及
所述根据用于自动语音识别的目标ASR引擎对应的热词确定规则,确定各所述会议关联词是否为与所述目标ASR引擎对应的热词,包括:
根据用于自动语音识别的目标ASR引擎对应的热词权重确定规则,确定各所述会议关联词在所述目标ASR引擎中的热词权重;
根据各所述会议关联词在所述目标ASR引擎中的热词权重,确定该所述会议关联词是否为热词。
4.根据权利要求3所述的方法,其中,所述根据用于自动语音识别的目标ASR引擎对应的热词权重确定规则,确定各所述会议关联词在所述目标ASR引擎中的热词权重,包括:
对于各所述会议关联词,根据该会议关联词的权重特征确定该会议关联词在所述目标ASR引擎中的热词权重,其中,所述权重特征包括以下至少一个要素:用于表征该会议关联词的实体类型的实体类型标签、用于表征预设热词词典是否包括该会议关联词的预设热词标签以及用于表征该会议关联词在所述目标ASR引擎中出现概率的语言模型概率。
5.根据权利要求4所述的方法,其中,所述对于各所述会议关联词,根据该会议关联词的权重特征确定该会议关联词在所述目标ASR引擎中的热词权重,包括:
对于各所述会议关联词,对该会议关联词的权重特征所包含的要素对应的权值进行加权求和,以确定该会议关联词在所述目标ASR引擎中的热词权重,其中,所述实体类型标签对应的权值是根据与所述目标ASR引擎对应的、实体类型标签与权值之间的对应关系确定的,所述预设热词标签对应的权值是根据与所述目标ASR引擎对应的、热词标签与权值之间的对应关系确定的,所述语言模型概率对应的权值是根据与所述目标ASR引擎对应的、语言模型概率与权值之间的对应关系确定的。
6.根据权利要求5所述的方法,其中,所述对于各所述会议关联词,对该会议关联词的权重特征所包含的要素对应的权值进行加权求和,以确定该会议关联词在所述目标ASR引擎中的热词权重,包括:
对于各所述会议关联词,按照与所述目标ASR引擎对应的第一权重系数、第二权重系数以及第三权重系数,对该会议关联词在所述目标ASR引擎中的实体类型标签对应的权值、预设热词标签对应的权值以及语言模型概率对应的权值进行加权求和,得到该会议关联词在所述目标ASR引擎中的热词权重。
7.根据权利要求1所述的方法,其中,所述目标会议为正在进行中的音视频会议。
8.根据权利要求3所述的方法,其中,所述根据各所述会议关联词在所述目标ASR引擎中的热词权重,确定该所述会议关联词是否为热词,包括:
将热词权重大于预设热词权重阈值的会议关联词确定为热词。
9.一种语音识别的装置,包括:
获取单元,被配置成获取目标会议的相关信息,所述目标会议的相关信息包括与所述目标会议有关的信息;
提取单元,被配置成提取出所述相关信息的会议关联词集合;
热词确定单元,被配置成根据用于自动语音识别的目标ASR引擎对应的热词确定规则,确定各所述会议关联词是否为与所述目标ASR引擎对应热词;
语音识别单元,将所确定的热词,按照相应的热词权重输入所述目标ASR引擎,以实现对所述目标会议的语音数据进行自动语音识别。
10.一种电子设备,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1-8中任一所述的方法。
11.一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1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210264521.2A CN114664307A (zh) | 2022-03-17 | 2022-03-17 | 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 |
---|---|---|---|
CN202210264521.2A CN114664307A (zh) | 2022-03-17 | 2022-03-17 | 语音识别方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114664307A true CN114664307A (zh) | 2022-06-24 |
Family
ID=82028616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210264521.2A Pending CN114664307A (zh) | 2022-03-17 | 2022-03-17 | 语音识别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114664307A (zh) |
-
2022
- 2022-03-17 CN CN202210264521.2A patent/CN114664307A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10824874B2 (en) | Method and apparatus for processing video | |
US10777207B2 (en) | Method and apparatus for verifying information | |
CN111428010B (zh) | 人机智能问答的方法和装置 | |
US11436863B2 (en) | Method and apparatus for outputting data | |
CN107241260B (zh) | 基于人工智能的新闻推送的方法和装置 | |
CN112559800B (zh) | 用于处理视频的方法、装置、电子设备、介质和产品 | |
CN109582825B (zh) | 用于生成信息的方法和装置 | |
US20160154889A1 (en) | Persona-Based Conversation | |
CN109190123B (zh) | 用于输出信息的方法和装置 | |
CN110019948B (zh) | 用于输出信息的方法和装置 | |
CN113657113A (zh) | 文本处理方法、装置和电子设备 | |
CN111897950A (zh) | 用于生成信息的方法和装置 | |
CN110008926B (zh) | 用于识别年龄的方法和装置 | |
CN112182255A (zh) | 用于存储媒体文件和用于检索媒体文件的方法和装置 | |
CN114298007A (zh) | 一种文本相似度确定方法、装置、设备及介质 | |
CN112633004A (zh) | 文本标点符号删除方法、装置、电子设备和存储介质 | |
CN111026849A (zh) | 数据处理方法和装置 | |
CN116204624A (zh) | 应答方法、装置、电子设备及存储介质 | |
CN111899747B (zh) | 用于合成音频的方法和装置 | |
CN110929512A (zh) | 一种数据增强方法和装置 | |
CN112651231B (zh) | 口语信息处理方法、装置和电子设备 | |
CN114664307A (zh) | 语音识别方法、装置、电子设备和存储介质 | |
CN115730104A (zh) | 直播间处理方法、装置、设备及介质 | |
CN113076932A (zh) | 训练音频语种识别模型的方法、视频检测方法及其装置 | |
CN111897951A (zh) | 用于生成信息的方法和装置 |
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 |