CN116580701A - 告警音频识别方法、装置、电子设备和计算机介质 - Google Patents
告警音频识别方法、装置、电子设备和计算机介质 Download PDFInfo
- Publication number
- CN116580701A CN116580701A CN202310575742.6A CN202310575742A CN116580701A CN 116580701 A CN116580701 A CN 116580701A CN 202310575742 A CN202310575742 A CN 202310575742A CN 116580701 A CN116580701 A CN 116580701A
- Authority
- CN
- China
- Prior art keywords
- audio
- phoneme
- node
- audio frame
- phoneme node
- 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 37
- 238000010586 diagram Methods 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000012423 maintenance Methods 0.000 claims description 26
- 238000009432 framing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- 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
- G10L15/01—Assessment or evaluation of speech recognition 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
- 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
-
- 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
- G10L15/26—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
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
- G10L2015/025—Phonemes, fenemes or fenones being the recognition units
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
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)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开的实施例公开了告警音频识别方法、装置、电子设备和计算机介质。该方法的一具体实施方式包括:对于音频帧序列集中的每个音频帧序列,执行如下处理步骤:将音频帧序列输入至预先设定的语音识别模型中,以确定音频帧序列对应的音素节点路径图;根据音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图;根据备选音素节点路径图,生成目标音素节点路径;根据所生成的各个目标音素节点路径,生成对应告警音频的音频识别文本。该实施方式减少了用户选择路径的时间,降低了音频识别结果的误差。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及告警音频识别方法、装置、电子设备和计算机介质。
背景技术
目前,电路维修人员传输的语音,可能因为现场较为嘈杂,而导致语音识别不清。为了准确识别音频,通常采用的方式为:用户或者系统根据一些预先定义的参数,选择多个音频识别模型对用户提供的音频进行识别,等待模型识别完成后,呈现多个识别结果供用户选择,或通过一音频识别模型对音频识别之后,将识别出的完整音频的路径图展示给用户,供用户选择路径。
然而,采用上述方式通常会存在以下技术问题:
第一,在音频时长较长时,一次性呈现整条语音识别完成后的多个识别结果或者路径图给用户,用户需要花费较长的时间选择识别结果或者路径,容易造成音频识别的结果误差较大;
第二,一次性呈现整条语音识别完成后的多个识别结果或者路径图,通常会存在较多相似的识别结果或者路径,容易误导用户选择错误的识别结果或者路径,造成后续音频识别的结果存在误差。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了告警音频识别方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种告警音频识别方法,该方法包括:响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集;对上述音频帧集进行划分处理,以生成音频帧序列集;对于上述音频帧序列集中的每个音频帧序列,执行如下处理步骤:将上述音频帧序列输入至预先设定的语音识别模型中,以确定上述音频帧序列对应的音素节点路径图,其中,上述音素节点路径图包含:上述音频帧序列中每一音频帧对应的各个音素节点,每个音素节点存在对应的节点标记,每两个音素节点之间使用连接线连接,每两个音素节点之间存在对应的语音评分,每个音素节点存在对应的节点评分;根据上述音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图;根据上述备选音素节点路径图,生成目标音素节点路径;根据所生成的各个目标音素节点路径,生成对应上述告警音频的音频识别文本;根据上述音频识别文本,控制相关联的电力维修设备进行电路维修操作。
第二方面,本公开的一些实施例提供了一种告警音频识别装置,装置包括:分帧单元,被配置成响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集;划分单元,被配置成对上述音频帧集进行划分处理,以生成音频帧序列集;路径确定单元,被配置成对于上述音频帧序列集中的每个音频帧序列,执行如下处理步骤:将上述音频帧序列输入至预先设定的语音识别模型中,以确定上述音频帧序列对应的音素节点路径图,其中,上述音素节点路径图包含:上述音频帧序列中每一音频帧对应的各个音素节点,每个音素节点存在对应的节点标记,每两个音素节点之间使用连接线连接,每两个音素节点之间存在对应的语音评分,每个音素节点存在对应的节点评分;根据上述音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图;根据上述备选音素节点路径图,生成目标音素节点路径;生成单元,被配置成根据所生成的各个目标音素节点路径,生成对应上述告警音频的音频识别文本;控制单元,被配置成根据上述音频识别文本,控制相关联的电力维修设备进行电路维修操作。
第三方面,本公开的一些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,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的告警音频识别方法,减少了用户选择路径的时间,降低了音频识别结果的误差。具体来说,容易造成音频识别的结果误差较大的原因在于:在音频时长较长时,一次性呈现整条语音识别完成后的多个识别结果或者路径图给用户,用户需要花费较长的时间选择识别结果或者路径,容易造成音频识别的结果误差较大。基于此,本公开的一些实施例的告警音频识别方法,首先,响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集。由此,便于后续识别每一音频帧对应的发音音素。接着,对上述音频帧集进行划分处理,以生成音频帧序列集。由此,便于将同一词语对应的各个音频帧划分到一起,便于后续识别音频对应的文字。然后,对于上述音频帧序列集中的每个音频帧序列,执行如下处理步骤:首先,将上述音频帧序列输入至预先设定的语音识别模型中,以确定上述音频帧序列对应的音素节点路径图。其中,上述音素节点路径图包含:上述音频帧序列中每一音频帧对应的各个音素节点,每个音素节点存在对应的节点标记,每两个音素节点之间使用连接线连接,每两个音素节点之间存在对应的语音评分,每个音素节点存在对应的节点评分。由此,可以逐步确定音频的识别路径,以防止路径过多,造成选择的路径不准确。接着,根据上述音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图。由此,可以初步简化音素节点路径图。然后,根据上述备选音素节点路径图,生成目标音素节点路径。由此,可以生成较为准确的音素节点路径。再然后,根据所生成的各个目标音素节点路径,生成对应上述告警音频的音频识别文本。由此,减少了用户选择路径的时间,降低了音频识别结果的误差。最后,根据上述音频识别文本,控制相关联的电力维修设备进行电路维修操作。由此,可以根据识别的音频文本,及时进行电路维修操作。
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,元件和元素不一定按照比例绘制。
图1是根据本公开的告警音频识别方法的一些实施例的流程图;
图2是根据本公开的告警音频识别方法中的音素节点路径图;
图3是根据本公开的告警音频识别装置的一些实施例的结构示意图;
图4是适于用来实现本公开的一些实施例的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。
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。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。
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”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的告警音频识别方法的一些实施例的流程图。示出了根据本公开的告警音频识别方法的一些实施例的流程100。该告警音频识别方法,包括以下步骤:
步骤101,响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集。
在一些实施例中,告警音频识别方法的执行主体(例如服务器)可以响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集。即,上述执行主体可以接收到电路维修人员通过手持终端发送的告警音频。告警音频可以是指电路维修人员在现场进行电路检测时发送的音频。
实践中,上述执行主体可以以预设帧长对上述告警音频进行分帧处理,得到音频帧集。音频帧集中除最后一个音频帧的各个音频帧的帧长等于上述预设帧长。上述最后一个音频帧的帧长小于等于上述预设帧长。
步骤102,对上述音频帧集进行划分处理,以生成音频帧序列集。
在一些实施例中,上述执行主体可以对上述音频帧集进行划分处理,以生成音频帧序列集。实践中,上述执行主体可以按照词语对应的各个音频帧对上述音频帧集进行划分处理,以生成音频帧序列集。即,音频帧序列可以表示一个词语。
步骤103,对于上述音频帧序列集中的每个音频帧序列,执行如下处理步骤:
步骤1031,将上述音频帧序列输入至预先设定的语音识别模型中,以确定上述音频帧序列对应的音素节点路径图。
在一些实施例中,上述执行主体可以将上述音频帧序列输入至预先设定的语音识别模型中,以确定上述音频帧序列对应的音素节点路径图。其中,上述音素节点路径图包含:上述音频帧序列中每一音频帧对应的各个音素节点,每个音素节点存在对应的节点标记,每两个音素节点之间使用连接线连接,每两个音素节点之间存在对应的语音评分,每个音素节点存在对应的节点评分。这里,语音识别模型可以是指用于识别音频帧序列中音频帧可能对应的各个音素,以及对每个识别出的音素进行评分(语音评分),且对每两个音素(具有先后顺序)之间的连接关系进行评分(节点评分)。上述语音识别模型还用于输出音频帧序列可能对应的各个词语。评分越高,表明音频帧对应该评分的音素的可能性越高。例如,语音识别模型可以是指预先训练的卷积神经网络模型或循环神经网络模型。例如,对于某一音频帧识别出的音素可以为多个,例如,音素“b”与音素“n”。实践中,可以将上述语音识别模型识别出的各个音素以及评分,按照上述音频帧序列的顺序进行排序,每两个音素之间设置一个音素节点,每两个音素节点通过连接线连接,从而,构建出音素节点路径图。连接线可以表示具体的音素以及音素对应的音调。对于音素节点路径图中的每条音素节点路径的起始位置与结束位置均可以用空白节点补上。如图2所示,图可以表示音素节点路径图。图2中的方框可以表示节点标记,空白圆圈可以表示空白节点。带数字的圆圈可以表示音素节点。带数字的圆圈中的数字可以表示节点评分。连接线可以表示具体的音素以及音素对应的音调。例如,图2中的“ei3”可以表示bei的音调为第三声。图2中,音素节点之间的语音评分未示出。图2中的方框所表示的具体节点标记未示出。每一音素节点路径对应一识别出的词语。
步骤1032,根据上述音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图。
在一些实施例中,上述执行主体可以根据上述音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图。
实践中,根据上述音素节点路径图对应的各个语音评分和节点评分,上述执行主体可以通过以下步骤生成备选音素节点路径图:
第一步,对于上述音素节点路径图中的每一音素节点路径,将上述音素节点路径对应的各个语音评分与节点评分的总和确定为音素节点路径评分。实践中,首先,将上述音素节点路径对应的各个音素节点确定为音素节点组。其次,将上述音素节点组对应的各个节点评分的和确定为总节点评分。接着,将上述音素节点路径对应的各个音素确定为音素组。然后,可以将上述音素组对应的各个语音评分的和确定为总语音评分。最后,可以将上述总节点评分与上述总语音评分的和确定为音素节点路径评分。
第二步,对所确定的各个音素节点路径评分进行降序排序,得到音素节点路径评分序列。
第三步,依次从上述音素节点路径评分序列中选择出预设数目个音素节点路径评分作为备选音素节点路径评分序列。这里,对预设数目的设定,不作限定。例如,预设数目可以是3或者5。
第四步,将上述备选音素节点路径评分序列对应的各个音素节点路径确定为备选音素节点路径组。
第五步,根据上述备选音素节点路径组,生成备选音素节点路径图。实践中,可以保留上述音素节点路径图中对应上述备选音素节点路径组的各个音素节点路径。即,去除上述音素节点路径图中除上述备选音素节点路径组对应的各个音素节点路径之外的音素节点路径。从而,得到备选音素节点路径图。
步骤1032中的相关内容作为本公开的一个发明点,由此解决了背景技术提及的技术问题二“一次性呈现整条语音识别完成后的多个识别结果或者路径图,通常会存在较多相似的识别结果或者路径,容易误导用户选择错误的识别结果或者路径,造成后续音频识别的结果存在误差。”。容易误导用户选择错误的识别结果或者路径,造成后续音频识别的结果存在误差的因素往往如下:一次性呈现整条语音识别完成后的多个识别结果或者路径图,通常会存在较多相似的识别结果或者路径,容易误导用户选择错误的识别结果或者路径,造成后续音频识别的结果存在误差。如果解决了上述因素,就能达到降低音频识别的结果的误差的效果。为了达到这一效果,首先,对于上述音素节点路径图中的每一音素节点路径,将上述音素节点路径对应的各个语音评分与节点评分的总和确定为音素节点路径评分。由此,为筛选出高评分的音素节点路径,提供了数据支持。其次,对所确定的各个音素节点路径评分进行降序排序,得到音素节点路径评分序列。由此,便于筛选出高评分的音素节点路径。接着,依次从上述音素节点路径评分序列中选择出预设数目个音素节点路径评分作为备选音素节点路径评分序列。由此,可以选择出高评分的音素节点路径,减少展示给用户的音素节点路径的数量。然后,将上述备选音素节点路径评分序列对应的各个音素节点路径确定为备选音素节点路径组。最后,根据上述备选音素节点路径组,生成备选音素节点路径图。由此,可以避免展示过多的音素节点路径,降低用户选择错误的音素节点路径的概率。从而,降低了音频识别的结果的误差。
步骤1033,根据上述备选音素节点路径图,生成目标音素节点路径。
在一些实施例中,上述执行主体可以根据上述备选音素节点路径图,生成目标音素节点路径。
实践中,上述执行主体可以通过以下步骤生成目标音素节点路径:
第一步,将上述备选音素节点路径图发送至相关联的用户终端。这里,用户终端可以先播放告警音频,以供用户参考。
第二步,接收上述用户终端发送的对应上述备选音素节点路径图的节点路径选择信息。其中,上述节点路径选择信息包括选择节点标记序列。
实践中,上述第二步,可以包括以下子步骤:
第一子步骤,对于上述音频帧序列中的每一音频帧,执行如下处理步骤:
1、将上述音频帧对应的各个音素节点确定为备选音素节点组。
2、接收上述用户终端发送的的对应备选音素节点组中任一备选音素节点的选择信息。这里,选择信息可以表征选取上述备选音素节点组中的一个备选音素节点。
3、将上述选择信息对应的备选音素节点确定为选择音素节点。
4、将上述选择音素节点对应的节点标记确定为选择节点标记。
第二子步骤,将所确定的各个选择节点标记组合为节点路径选择信息。可以将所确定的各个选择节点标记依次组合(拼接)为节点路径选择信息。
第三步,对于上述音频帧序列中的每一音频帧,执行如下处理步骤:
第一子步骤,将上述音频帧对应的各个音素节点确定为备选音素节点组。
第二子步骤,将上述备选音素节点组中对应目标选择节点标记的备选音素节点确定为目标音素节点。其中,上述目标选择节点标记为:上述选择节点标记序列中选择节点标记对应的序号、与上述音频帧在上述音频帧序列中的序号相同的选择节点标记,上述目标音素节点对应的节点标记与上述目标选择节点标记相同。
第四步,根据所确定的各个目标音素节点,生成目标音素节点路径。实践中,将上述备选音素节点路径图中对应上述各个目标音素节点的备选音素节点路径确定为目标音素节点路径。
步骤104,根据所生成的各个目标音素节点路径,生成对应上述告警音频的音频识别文本。
在一些实施例中,上述执行主体可以根据所生成的各个目标音素节点路径,生成对应上述告警音频的音频识别文本。每个连接线存在对应的音素,上述音频帧序列集中的各个音频帧序列存在排列顺序。
实践中,上述执行主体可以通过以下步骤生成对应上述告警音频的音频识别文本:
第一步,根据上述音频帧序列集中的各个音频帧序列的顺序,对上述各个目标音素节点路径进行排序,得到目标音素节点路径序列。按照上述音频帧序列集中的各个音频帧序列的顺序,依次对上述各个目标音素节点路径进行排序,得到目标音素节点路径序列。
第二步,根据上述目标音素节点路径序列对应的各个音素,确定上述告警音频的音频识别文本。
实践中,上述第二步,可以包括以下子步骤:
第一子步骤,对于上述目标音素节点路径序列中的每个目标音素节点路径,执行以下步骤:
1、将上述目标音素节点路径对应的各个音素确定为音素序列。
2、确定上述音素序列对应的词语。将所确定的音素节点路径对应的词语确定为上述音素序列对应的词语。
第二子步骤,将所确定的各个词语组合为音频识别文本。
步骤105,根据上述音频识别文本,控制相关联的电力维修设备进行电路维修操作。
在一些实施例中,上述执行主体可以根据上述音频识别文本,控制相关联的电力维修设备进行电路维修操作。例如,当音频识别文本表示电路短路时,可以控制通信连接的电路维修车进行电路维修操作。
进一步参考图3,作为对上述各图所示方法的实现,本公开提供了一种告警音频识别装置的一些实施例,这些告警音频识别装置实施例与图1所示的那些方法实施例相对应,该告警音频识别装置具体可以应用于各种电子设备中。
如图3所示,一些实施例的告警音频识别装置300包括:分帧单元301、划分单元302、路径确定单元303、生成单元304和控制单元305。其中,分帧单元301,被配置成响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集;划分单元202,被配置成对上述音频帧集进行划分处理,以生成音频帧序列集;路径确定单元303,被配置成对于上述音频帧序列集中的每个音频帧序列,执行如下处理步骤:将上述音频帧序列输入至预先设定的语音识别模型中,以确定上述音频帧序列对应的音素节点路径图,其中,上述音素节点路径图包含:上述音频帧序列中每一音频帧对应的各个音素节点,每个音素节点存在对应的节点标记,每两个音素节点之间使用连接线连接,每两个音素节点之间存在对应的语音评分,每个音素节点存在对应的节点评分;根据上述音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图;根据上述备选音素节点路径图,生成目标音素节点路径;生成单元304,被配置成根据所生成的各个目标音素节点路径,生成对应上述告警音频的音频识别文本;控制单元305,被配置成根据上述音频识别文本,控制相关联的电力维修设备进行电路维修操作。
可以理解的是,该告警音频识别装置300中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于告警音频识别装置300及其中包含的单元,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一些实施例的电子设备(例如服务器)400的结构示意图。本公开的一些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,不应对本公开的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RAM403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、ROM402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408;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。图4中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,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ROM402被安装。在该计算机程序被处理装置401执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载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。在本公开的一些实施例中,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。而在本公开的一些实施例中,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:响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集;对上述音频帧集进行划分处理,以生成音频帧序列集;对于上述音频帧序列集中的每个音频帧序列,执行如下处理步骤:将上述音频帧序列输入至预先设定的语音识别模型中,以确定上述音频帧序列对应的音素节点路径图,其中,上述音素节点路径图包含:上述音频帧序列中每一音频帧对应的各个音素节点,每个音素节点存在对应的节点标记,每两个音素节点之间使用连接线连接,每两个音素节点之间存在对应的语音评分,每个音素节点存在对应的节点评分;根据上述音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图;根据上述备选音素节点路径图,生成目标音素节点路径;根据所生成的各个目标音素节点路径,生成对应上述告警音频的音频识别文本;根据上述音频识别文本,控制相关联的电力维修设备进行电路维修操作。
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一些实施例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。
描述于本公开的一些实施例中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。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括:分帧单元、划分单元、路径确定单元、生成单元和控制单元。其中,这些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,分帧单元还可以被描述为“响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集的单元”。
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。
以上描述仅为本公开的一些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,本公开的实施例中所涉及的发明范围,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发明构思的情况下,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的实施例中公开的(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 (6)
1.一种告警音频识别方法,包括:
响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集;
对所述音频帧集进行划分处理,以生成音频帧序列集;
对于所述音频帧序列集中的每个音频帧序列,执行如下处理步骤:
将所述音频帧序列输入至预先设定的语音识别模型中,以确定所述音频帧序列对应的音素节点路径图,其中,所述音素节点路径图包含:所述音频帧序列中每一音频帧对应的各个音素节点,每个音素节点存在对应的节点标记,每两个音素节点之间使用连接线连接,每两个音素节点之间存在对应的语音评分,每个音素节点存在对应的节点评分;
根据所述音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图;
根据所述备选音素节点路径图,生成目标音素节点路径;
根据所生成的各个目标音素节点路径,生成对应所述告警音频的音频识别文本;
根据所述音频识别文本,控制相关联的电力维修设备进行电路维修操作。
2.根据权利要求1所述的方法,其中,每个连接线存在对应的音素,所述音频帧序列集中的各个音频帧序列存在排列顺序;以及
所述根据所生成的各个目标音素节点路径,生成对应所述告警音频的音频识别文本,包括:
根据所述音频帧序列集中的各个音频帧序列的顺序,对所述各个目标音素节点路径进行排序,得到目标音素节点路径序列;
根据所述目标音素节点路径序列对应的各个音素,确定所述告警音频的音频识别文本。
3.根据权利要求2所述的方法,其中,所述根据所述目标音素节点路径序列对应的各个音素,确定所述告警音频的音频识别文本,包括:
对于所述目标音素节点路径序列中的每个目标音素节点路径,执行以下步骤:
将所述目标音素节点路径对应的各个音素确定为音素序列;
确定所述音素序列对应的词语;
将所确定的各个词语组合为音频识别文本。
4.一种告警音频识别装置,包括:
分帧单元,被配置成响应于接收到电路维修人员发送的告警音频,对告警音频进行分帧处理,以生成音频帧集;
划分单元,被配置成对所述音频帧集进行划分处理,以生成音频帧序列集;
路径确定单元,被配置成对于所述音频帧序列集中的每个音频帧序列,执行如下处理步骤:将所述音频帧序列输入至预先设定的语音识别模型中,以确定所述音频帧序列对应的音素节点路径图,其中,所述音素节点路径图包含:所述音频帧序列中每一音频帧对应的各个音素节点,每个音素节点存在对应的节点标记,每两个音素节点之间使用连接线连接,每两个音素节点之间存在对应的语音评分,每个音素节点存在对应的节点评分;根据所述音素节点路径图对应的各个语音评分和节点评分,生成备选音素节点路径图;根据所述备选音素节点路径图,生成目标音素节点路径;
生成单元,被配置成根据所生成的各个目标音素节点路径,生成对应所述告警音频的音频识别文本;
控制单元,被配置成根据所述音频识别文本,控制相关联的电力维修设备进行电路维修操作。
5.一种电子设备,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,使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310575742.6A CN116580701B (zh) | 2023-05-19 | 2023-05-19 | 告警音频识别方法、装置、电子设备和计算机介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310575742.6A CN116580701B (zh) | 2023-05-19 | 2023-05-19 | 告警音频识别方法、装置、电子设备和计算机介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116580701A true CN116580701A (zh) | 2023-08-11 |
CN116580701B CN116580701B (zh) | 2023-11-24 |
Family
ID=87535498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310575742.6A Active CN116580701B (zh) | 2023-05-19 | 2023-05-19 | 告警音频识别方法、装置、电子设备和计算机介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116580701B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0916191A (ja) * | 1995-06-29 | 1997-01-17 | Asahi Chem Ind Co Ltd | ナビゲータ用音声認識装置および方法 |
JP2011048255A (ja) * | 2009-08-28 | 2011-03-10 | Nippon Telegr & Teleph Corp <Ntt> | 経路探索装置、音声認識装置、これらの方法及びプログラム |
US20120296635A1 (en) * | 2011-05-19 | 2012-11-22 | Microsoft Corporation | User-modifiable word lattice display for editing documents and search queries |
JP2014178567A (ja) * | 2013-03-15 | 2014-09-25 | Yahoo Japan Corp | 音声認識装置、音声認識方法、およびプログラム |
US20150127346A1 (en) * | 2013-11-04 | 2015-05-07 | Google Inc. | Selecting alternates in speech recognition |
EP3113176A1 (en) * | 2015-06-30 | 2017-01-04 | Samsung Electronics Co., Ltd. | Speech recognition apparatus, speech recognition method, and electronic device |
JP2018004947A (ja) * | 2016-07-01 | 2018-01-11 | 日本電信電話株式会社 | テキスト補正装置、テキスト補正方法、およびプログラム |
CN110164416A (zh) * | 2018-12-07 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种语音识别方法及其装置、设备和存储介质 |
CN112002308A (zh) * | 2020-10-30 | 2020-11-27 | 腾讯科技(深圳)有限公司 | 一种语音识别方法及装置 |
CN113096648A (zh) * | 2021-03-20 | 2021-07-09 | 杭州知存智能科技有限公司 | 用于语音识别的实时解码方法和装置 |
CN113936643A (zh) * | 2021-12-16 | 2022-01-14 | 阿里巴巴达摩院(杭州)科技有限公司 | 语音识别方法、语音识别模型、电子设备和存储介质 |
CN113936637A (zh) * | 2021-10-18 | 2022-01-14 | 上海交通大学 | 基于多模态知识图谱的语音自适应补全系统 |
WO2022134894A1 (zh) * | 2020-12-23 | 2022-06-30 | 腾讯科技(深圳)有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
CN115171695A (zh) * | 2022-06-29 | 2022-10-11 | 东莞爱源创科技有限公司 | 语音识别方法、装置、电子设备和计算机可读介质 |
-
2023
- 2023-05-19 CN CN202310575742.6A patent/CN116580701B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0916191A (ja) * | 1995-06-29 | 1997-01-17 | Asahi Chem Ind Co Ltd | ナビゲータ用音声認識装置および方法 |
JP2011048255A (ja) * | 2009-08-28 | 2011-03-10 | Nippon Telegr & Teleph Corp <Ntt> | 経路探索装置、音声認識装置、これらの方法及びプログラム |
US20120296635A1 (en) * | 2011-05-19 | 2012-11-22 | Microsoft Corporation | User-modifiable word lattice display for editing documents and search queries |
JP2014178567A (ja) * | 2013-03-15 | 2014-09-25 | Yahoo Japan Corp | 音声認識装置、音声認識方法、およびプログラム |
US20150127346A1 (en) * | 2013-11-04 | 2015-05-07 | Google Inc. | Selecting alternates in speech recognition |
EP3113176A1 (en) * | 2015-06-30 | 2017-01-04 | Samsung Electronics Co., Ltd. | Speech recognition apparatus, speech recognition method, and electronic device |
JP2018004947A (ja) * | 2016-07-01 | 2018-01-11 | 日本電信電話株式会社 | テキスト補正装置、テキスト補正方法、およびプログラム |
CN110164416A (zh) * | 2018-12-07 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种语音识别方法及其装置、设备和存储介质 |
CN112002308A (zh) * | 2020-10-30 | 2020-11-27 | 腾讯科技(深圳)有限公司 | 一种语音识别方法及装置 |
WO2022134894A1 (zh) * | 2020-12-23 | 2022-06-30 | 腾讯科技(深圳)有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
CN113096648A (zh) * | 2021-03-20 | 2021-07-09 | 杭州知存智能科技有限公司 | 用于语音识别的实时解码方法和装置 |
CN113936637A (zh) * | 2021-10-18 | 2022-01-14 | 上海交通大学 | 基于多模态知识图谱的语音自适应补全系统 |
CN113936643A (zh) * | 2021-12-16 | 2022-01-14 | 阿里巴巴达摩院(杭州)科技有限公司 | 语音识别方法、语音识别模型、电子设备和存储介质 |
CN115171695A (zh) * | 2022-06-29 | 2022-10-11 | 东莞爱源创科技有限公司 | 语音识别方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116580701B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969012B (zh) | 文本纠错方法、装置、存储介质及电子设备 | |
CN110473525B (zh) | 获取语音训练样本的方法和装置 | |
CN111667810B (zh) | 多音字语料的获取方法、装置、可读介质和电子设备 | |
CN111986655B (zh) | 音频内容识别方法、装置、设备和计算机可读介质 | |
CN110600002B (zh) | 语音合成方法、装置及电子设备 | |
CN109376419B (zh) | 一种数据模型的生成方法、装置、电子设备及可读介质 | |
CN111897976A (zh) | 一种虚拟形象合成方法、装置、电子设备及存储介质 | |
JP2018063271A (ja) | 音声対話装置、音声対話システム、および、音声対話装置の制御方法 | |
CN112562633A (zh) | 一种歌唱合成方法、装置、电子设备及存储介质 | |
CN114765025A (zh) | 语音识别模型的生成方法、识别方法、装置、介质及设备 | |
CN112382266B (zh) | 一种语音合成方法、装置、电子设备及存储介质 | |
EP3843090A1 (en) | Method and apparatus for outputting analysis abnormality information in spoken language understanding | |
CN112102801A (zh) | 一种主旋律的生成方法、装置、电子设备及存储介质 | |
CN115171695B (zh) | 语音识别方法、装置、电子设备和计算机可读介质 | |
CN112242143B (zh) | 一种语音交互方法、装置、终端设备及存储介质 | |
CN116580701B (zh) | 告警音频识别方法、装置、电子设备和计算机介质 | |
CN111754984B (zh) | 文本选取的方法、装置、设备和计算机可读介质 | |
CN112017685B (zh) | 语音生成方法、装置、设备和计算机可读介质 | |
CN112509581B (zh) | 语音识别后文本的纠错方法、装置、可读介质和电子设备 | |
CN112685996B (zh) | 文本标点预测方法、装置、可读介质和电子设备 | |
CN113221514A (zh) | 文本处理方法、装置、电子设备和存储介质 | |
CN113781994A (zh) | 训练集生成方法、装置、电子设备和计算机可读介质 | |
CN113761865A (zh) | 声文重对齐及信息呈现方法、装置、电子设备和存储介质 | |
CN112669816A (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
CN110675896A (zh) | 用于音频的文字时间对齐方法、装置、介质及电子设备 |
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 |