[發明專利]一種提高嘈雜環境下語音識別率的方法

在審

• 申請號: 201710358269.0
• 申請日: 2017-05-19
• 公開（公告）號: CN107274894A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 范晨
• 申請（專利權）人: 杭州仁盈科技股份有限公司
• 主分類號: G10L15/20
• 分類號: G10L15/20;G10L15/26;G10L15/24;G10L15/28
• 代理公司: 杭州九洲專利事務所有限公司33101
• 代理人: 陳繼亮

技術領域

本發明屬于語音識別技術領域，主要是一種提高嘈雜環境下語音識別率的方法。

背景技術

目前語音識別技術日漸成熟并應用在各個領域。如手機上的各種語音搜索應用、語音發短信、對話聊天軟件、語音導航軟件等等。這些應用都是借助語音識別技術將語音轉換為文字，大大降低了人們使用軟件時輸入的工作量。

當前語音識別技術在提高人們使用便利性的同時，也存在一些問題。如在辦公室內、家里和其它安靜的場合，識別率都非常高；但在比較嘈雜的公共場合環境，識別率就直線跳水，非常低了。識別率變低的原因就是環境噪音和使用者的聲音進行了疊加，對識別軟件造成了干擾。

如在公共場合某些支持語音搜索的自助設備，當客戶說需要的酒店區域的時候，由于噪音的疊加，真實需要的區域“三墩”也許會被它理解為“山東”、“山洞”、甚至“汕頭”。針對這個問題，許多語音識別系統也有一些優化方案，如可以上傳本地的熱詞表到云端識別系統，讓“三墩”這個地名優先被匹配；或者應用軟件自己做區分，將識別到的“山東”，“汕頭”強制轉化為“三墩”。

熱詞表的方案，其實解決的是同音詞的問題。比如說“三墩”這個音，由于該地名比較生僻，如果不加該熱詞，可能會被識別為“三噸”或者“三頓”。這些詞發音完全一致，加上熱詞“三墩”，就是告訴識別云平臺，遇到這個音要優先選擇熱詞“三頓”。所以該方案只能較好得解決同音詞的問題，如果識別聲音源本身受到了干擾，發生了變形，則還是會被識別為其它常見近似語音，如“山東”。

應用軟件自己強制轉換的方案，在一定程度上是可行的，只要在代碼里或者數據字典里做好識別詞組的翻譯即可。如在某包含“三墩”而不需要“山東”等地名的業務場景下，發現識別結果是“山東”、“山洞”或者“汕頭”，就強制轉換為“三墩”，可以滿足業務需求。但該方案的缺陷是，識別結果的不確定導致代碼或者數據字典頻繁更新。比如識別出“扇動”、“閃動”這些詞，其實用戶說的是“三墩”，那么這些詞就得加到數據字典里，強制轉換為“三墩”。下次發現識別出“煽動”，又得繼續加入數據字典。識別結果的不確定導致維護工作量極大。

發明內容

本發明的目的在于克服現有技術存在的不足，而提供一種提高嘈雜環境下語音識別率的方法。

本發明的目的是通過如下技術方案來完成的。這種提高嘈雜環境下語音識別率的方法，該方法包括如下步驟：

第一步：從識別云平臺取得識別結果；

第二步：將識別結果快速翻譯為拼音；

第三步：查詢數據庫配置表，將拼音翻譯為業務需要的文字；

第四步：將翻譯后的文字返回給應用程序。

更進一步的，在第二步中：

(1)、根據漢字的GBK編碼為索引做一個漢字和拼音的映射表，根據漢字的GBK編碼直接定位到漢字的拼音；

(2)、一個漢字的GBK編碼由2個字節組成，分為首字節和末字節，首字節從0xB0到0xF7，末字節從0xA1到0xFE；設計一個漢字拼音映射二維數組pytable，第一行存儲“首字節是0xB0的漢字組”的拼音，第二行存儲“首字節是0xB1的漢字組”的拼音，以此類推，最后一行存儲“首字節是0xF7的漢字組”的拼音；每一組里再按“末字節”編碼的順序存儲；

(3)、將漢字串快速翻譯為拼音串：

第1步，取得要轉換漢字的首字節head；

第2步，判斷head是否小于0xB0；如果小于0xB0，則說明本次檢測的字符不是漢字，走到第7步，繼續檢測下一個漢字；否則往下走到第3步；

第3步，取得該漢字的末字節tail；

第4步，將首字節head減掉0xB0，得到第一維的下標index1；

第5步，將末字節tail減掉0xA1，得到第二維的下標index2；

第6步，得到該漢字的拼音數據pytable[index1][index2]并拼接；

第7步，判斷是否還有漢字串需要轉換，有的話轉到第1步；否則結束；

通過以上步驟，通過計算漢字的GBK編碼，迅速得到了該漢字的拼音。

更進一步的，在第三步中：根據業務的不同，需要配置不同的轉換關系，將這個轉換將通過數據庫查表實現，數據庫配置表里面存儲拼音和漢字的對應關系，通過SQL語句將拼音串轉化為漢字串。