[發明專利]一種云端語音識別系統及方法

在審

• 申請號: 201610208354.4
• 申請日: 2016-04-06
• 公開（公告）號: CN105654954A
• 公開（公告）日: 2016-06-08
• 發明（設計）人: 胡云燎;何國濤;李全忠;蒲瑤
• 申請（專利權）人: 普強信息技術（北京）有限公司
• 主分類號: G10L15/30
• 分類號: G10L15/30;G10L15/06
• 代理公司: 北京中恒高博知識產權代理有限公司 11249
• 代理人: 夏晏平

技術領域

本發明屬于語言分析技術領域，尤其涉及一種云端語音識別系統及方法。

背景技術

隨著移動互聯網、車聯網和智能家居的發展，語音識別發揮了越來越重要 的作用。另一方面，語音識別技術，特別是DNN(深度神經網絡)訓練方法的 發展，極大在提高了語音識別的準確率，反過來也促進了不同行業的應用。

但隨著語音應用走向大眾，特別是語音云的使用，目標人群未知、目標人 群范圍廣泛，魯棒性和適應性是難以回避的難題，訓練數據與識別數據的不匹 配會極大地降低識別準確度。目前的做法是用一個模型識別所有的說話人，在 模型建模前收集盡量多的數據，以期達到覆蓋范圍廣的目的。而如需要提高某 個人的識別率，需要把這個人的數據和原有數據放在一起重新建模。這種方法 有幾個弊端：

訓練數據不可能做到完全覆蓋所有說話人，而且大數據量的模型建模困難。

因未從說話人的發音特征分布采樣數據，訓練數據會產生分布不均勻，有 些人群口音未覆蓋。

因未能實現動態更新識別資源，導致識別資源更新周期長，部分用戶的識 別率不能及時提高。

因對不同領域的應用使用同一套識別資源，導致語言模型建模難以選擇語 料，垂直領域識別難以提高，可能會產生不同領域“此消彼漲”的難題。

發明內容

本發明的目的在于提供一種云端語音識別系統及方法，旨在解決如何在采 樣時保證人群口音分布的廣泛性和均勻性，如何根據說話人動態更換及更新語 音識別資源，如何提高多領域的語音識別率，如何提高多口音的識別率的問題。

該方法是這樣實現的，該云端語音識別系統包括：性別層、年齡層、平臺 層、方言層、領域層；

用戶標識和用戶語言通過口音判別分別對性別層、年齡層、平臺層、方言 層進行數據采樣；

所述的性別層包括：男、女；

所述的年齡層分為四個階段：7～17歲，18～35歲，36～45歲，45歲以上；

所述的平臺層包括：IOS、Android、Windows；

所述的方言層包括粵語口音、閩語口音、吳語口音、贛語口音、湘語口音、 客家話口音、官話口音和普通話的一種或多種組合

本發明還采取如下技術措施：

該云端語音識別方法包括以下步驟：

步驟一、對人群進行多維度發音特征劃分，采樣數據；

步驟二、利用用戶語音和用戶標識獲取多個維度的信息，確定識別模型。

步驟三、對識別資源依據劃分進行動態更新；

步驟四、利用用戶語音識別文本確定領域模型。

在步驟一中，根據地域分布、口音分布、噪聲分布、年齡分布、男女比例、 設備平臺六個維度采樣數據。

所述的地域分布為分別將說話人分布定義在8個地區，每個地區選一到兩 個重點城市作為采樣人群城市；

所述的口音分布分別為：粵語、閩語、吳語、贛語、湘語、客家話、官話、 普通話；

所述的噪聲分布分別為：車內、地鐵、室內、街道、火車站、汽車站、餐 廳、會議室、商場；

所述的年齡分布為根據應用的適用人群，預定義采樣人群的年齡及比例；

所述的男女比例根據1:1比例采樣；

所述的設備平臺根據不同的移動設備平臺，在采樣時選用不同的平臺設備 采樣數據。

所述的動態更新包括：領域識別資源選擇動態更新和云端領域資源動態更 新。

所述的領域識別資源選擇動態更新的方法有以下三種方式：

用戶標識在應用層，根據用戶注冊信息，直接選擇識別資源的領域；在用 戶信息不全時，語音分別送到多個模型，選擇置信度較高的模型。

語言特征選擇領域模型；包括領域詞發現算法和領域歸類算法；

聲學特征選擇口音模型。

所述的云端領域資源動態更新包括更新聲學模型和更新語言模型。

本發明具有的優點和積極效果是：該云端語音識別系統及方法結構簡單， 使用方便，有效提高了不同地域、不同領域、不同口音、不同性別、不同年齡 段人群的語音識別率。

附圖說明

圖1是本發明實施例提供的云端語音識別系統的結構示意圖；

圖2是本發明實施例提供的云端語音識別方法流程圖。

具體實施方式