[發(fā)明專利]一種語(yǔ)音識(shí)別方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201310665238.1
• 申請(qǐng)日: 2013-12-10
• 公開(kāi)（公告）號(hào): CN104700836B
• 公開(kāi)（公告）日: 2019-01-29
• 發(fā)明（設(shè)計(jì)）人: 翟魯峰
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G10L15/30
• 分類號(hào): G10L15/30;G10L15/26;H04L12/58
• 代理公司: 北京國(guó)昊天誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 11315
• 代理人: 許志勇

本申請(qǐng)涉及一種語(yǔ)音識(shí)別方法和系統(tǒng)。該方法包括：接收用戶的語(yǔ)音識(shí)別請(qǐng)求；語(yǔ)音識(shí)別請(qǐng)求中包括預(yù)先分配的唯一標(biāo)識(shí)語(yǔ)音信息的語(yǔ)音ID及將語(yǔ)音轉(zhuǎn)換為文字的語(yǔ)音識(shí)別命令；根據(jù)該語(yǔ)音ID找到對(duì)應(yīng)的語(yǔ)音信息并根據(jù)該語(yǔ)音識(shí)別命令對(duì)該語(yǔ)音信息進(jìn)行轉(zhuǎn)換而獲得對(duì)應(yīng)所述語(yǔ)音信息的文字信息；將獲得的文字信息作為識(shí)別結(jié)果返回給發(fā)出語(yǔ)音識(shí)別請(qǐng)求的用戶。本申請(qǐng)的方法和系統(tǒng)改進(jìn)即時(shí)通信中語(yǔ)音消息功能的用戶交互，提高即時(shí)通信中語(yǔ)音消息功能的用戶交互處理速度，節(jié)省網(wǎng)絡(luò)資源，減少網(wǎng)絡(luò)數(shù)據(jù)流量，從而用戶可以在不方便收聽(tīng)語(yǔ)音消息的場(chǎng)合能及時(shí)獲得信息，提升語(yǔ)音識(shí)別處理速度、提高識(shí)別處理效率、節(jié)省網(wǎng)絡(luò)資源，為用戶提供更好的用戶體驗(yàn)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及通信領(lǐng)域，更具體地涉及一種語(yǔ)音識(shí)別方法和系統(tǒng)。

背景技術(shù)

隨著通信技術(shù)的發(fā)展，智能手機(jī)的普及，各種網(wǎng)絡(luò)通訊工具，比如MSN、騰訊QQ、微信、來(lái)往等通訊產(chǎn)品、逐步成為大眾溝通的主要工具之一。其中，語(yǔ)音消息由于其操作和傳輸功能的便捷性等特點(diǎn)帶來(lái)的溝通快、操作方便，而廣受歡迎。在目前的手機(jī)、PC、PAD、PDA、MID等移動(dòng)終端或網(wǎng)絡(luò)終端(互聯(lián)網(wǎng)設(shè)備)中，一般可以通過(guò)網(wǎng)絡(luò)通信工具(APP)提供語(yǔ)音輸入、輸出功能。

現(xiàn)有技術(shù)中，對(duì)于網(wǎng)絡(luò)通信工具，比如即時(shí)通信工具，語(yǔ)音消息的輸入輸出過(guò)程包括：發(fā)送端將發(fā)送方用戶發(fā)出的語(yǔ)音消息進(jìn)行錄音、并將該錄音編碼后發(fā)送到即時(shí)通信服務(wù)器IM-Server(IMS)，由該即時(shí)通信服務(wù)器IMS將發(fā)送來(lái)的錄音編碼推送到對(duì)應(yīng)的接收端，從而在接收方用戶收聽(tīng)語(yǔ)音消息時(shí)，接收端將接收到的該錄音編碼進(jìn)行解碼和播放。現(xiàn)有的即時(shí)聊天工具的語(yǔ)音消息功能只能是播放給用戶，但語(yǔ)音的播放在沒(méi)有耳機(jī)的情況下，會(huì)存在諸多問(wèn)題，比如：1.不能保證私密性，如：涉及隱私的語(yǔ)音消息不適宜于在公眾場(chǎng)合播放；2.影響周圍其他人，如：會(huì)議中或閱覽室播放語(yǔ)音不合適但又需要及時(shí)了解語(yǔ)音所傳遞的消息；3.在嘈雜的環(huán)境下影響清晰度，如：太嘈雜而難以聽(tīng)清楚語(yǔ)音所傳遞的消息內(nèi)容。

發(fā)明內(nèi)容

基于現(xiàn)有技術(shù)中上述即時(shí)通信工具中語(yǔ)音消息傳播交互所存在的缺陷，本申請(qǐng)的主要目的在于提供一種語(yǔ)音識(shí)別方法和系統(tǒng)，以解決改進(jìn)即時(shí)通信中語(yǔ)音消息功能的用戶交互的技術(shù)問(wèn)題。進(jìn)一步，還可以解決提高即時(shí)通信中語(yǔ)音消息功能的用戶交互處理速度，以及節(jié)省網(wǎng)絡(luò)資源，減少網(wǎng)絡(luò)數(shù)據(jù)流量的技術(shù)問(wèn)題。

為了解決上述技術(shù)問(wèn)題，本申請(qǐng)?zhí)峁┮环N語(yǔ)音識(shí)別方法，包括：接收用戶的語(yǔ)音識(shí)別請(qǐng)求；其中，語(yǔ)音識(shí)別請(qǐng)求中包括預(yù)先分配的唯一標(biāo)識(shí)語(yǔ)音信息的語(yǔ)音ID以及將語(yǔ)音轉(zhuǎn)換為文字的語(yǔ)音識(shí)別命令；根據(jù)語(yǔ)音識(shí)別請(qǐng)求中的語(yǔ)音ID，查找到對(duì)應(yīng)所述語(yǔ)音ID的語(yǔ)音信息；根據(jù)語(yǔ)音識(shí)別請(qǐng)求中的語(yǔ)音識(shí)別命令，對(duì)所述語(yǔ)音信息進(jìn)行轉(zhuǎn)換，以獲得對(duì)應(yīng)所述語(yǔ)音信息的文字信息；將獲得的文字信息作為語(yǔ)音識(shí)別結(jié)果返回給發(fā)出語(yǔ)音識(shí)別請(qǐng)求的用戶。

本申請(qǐng)還提供一種語(yǔ)音識(shí)別方法，包括：為接收的語(yǔ)音信息分配唯一的標(biāo)識(shí)作為語(yǔ)音ID；根據(jù)所述語(yǔ)音信息進(jìn)行語(yǔ)音識(shí)別，對(duì)所述語(yǔ)音信息進(jìn)行轉(zhuǎn)換，以獲得對(duì)應(yīng)所述語(yǔ)音信息的文字信息；根據(jù)接收的用戶的語(yǔ)音識(shí)別請(qǐng)求中的語(yǔ)音ID，查找到對(duì)應(yīng)所述語(yǔ)音ID的文字信息；將獲得的文字信息作為語(yǔ)音識(shí)別結(jié)果返回給發(fā)出語(yǔ)音識(shí)別請(qǐng)求的用戶。

另外，提供了實(shí)現(xiàn)方法的一種語(yǔ)音識(shí)別系統(tǒng)，包括：即時(shí)通信服務(wù)器IMS、接收端、發(fā)送端、以及所述IMS中設(shè)置的語(yǔ)音識(shí)別模塊或與所述IMS連接的語(yǔ)音識(shí)別服務(wù)器/語(yǔ)音識(shí)別服務(wù)器集群；所述IMS為接收的來(lái)自發(fā)送端的語(yǔ)音信息分配唯一的標(biāo)識(shí)作為語(yǔ)音ID，推送所述語(yǔ)音信息到接收端；當(dāng)所述IMS接收來(lái)自接收端的用戶對(duì)所述語(yǔ)音信息發(fā)起的語(yǔ)音識(shí)別請(qǐng)求時(shí)，提取語(yǔ)音識(shí)別請(qǐng)求中的對(duì)應(yīng)所述語(yǔ)音信息的語(yǔ)音ID，查找到所述語(yǔ)音信息，并且，將所述語(yǔ)音識(shí)別請(qǐng)求中的語(yǔ)音識(shí)別命令和所述查找到的語(yǔ)音信息，提交給所述語(yǔ)音識(shí)別模塊或所述語(yǔ)音識(shí)別服務(wù)器/語(yǔ)音識(shí)別服務(wù)器集群；語(yǔ)音識(shí)別模塊或所述語(yǔ)音識(shí)別服務(wù)器/語(yǔ)音識(shí)別服務(wù)器集群，根據(jù)所述語(yǔ)音信息和語(yǔ)音識(shí)別命令進(jìn)行語(yǔ)音識(shí)別，對(duì)所述語(yǔ)音信息進(jìn)行轉(zhuǎn)換，以獲得對(duì)應(yīng)所述語(yǔ)音信息的文字信息；所述IMS從語(yǔ)音識(shí)別模塊或所述語(yǔ)音識(shí)別服務(wù)器/語(yǔ)音識(shí)別服務(wù)器集群得到所述文字信息，并將獲得的文字信息作為語(yǔ)音識(shí)別結(jié)果返回給所述接收端。