[發(fā)明專利]語音識別方法及裝置

在審

• 申請?zhí)枺?/td>: 201710995212.1
• 申請日: 2017-10-23
• 公開（公告）號: CN107564525A
• 公開（公告）日: 2018-01-09
• 發(fā)明（設(shè)計）人: 李明;張勇
• 申請（專利權(quán)）人: 深圳北魚信息科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/30
• 代理公司: 北京超凡志成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11371
• 代理人: 王術(shù)蘭

技術(shù)領(lǐng)域

本發(fā)明屬于語音識別技術(shù)領(lǐng)域，具體涉及語音識別方法及裝置。

背景技術(shù)

隨著語音識別設(shè)備的廣泛使用，如何高效提高語音識別的準確率變得日趨重要，目前的語音識別有兩類方式，一類是云端在線識別，用戶使用時可以隨意講話，由產(chǎn)品設(shè)備采集到用戶講話內(nèi)容，通過通訊模組上傳到云端服務(wù)器進行語義分析理解，解析出用戶的用意，再通過網(wǎng)絡(luò)傳到產(chǎn)品設(shè)備中進行相應(yīng)的操作控制，這種方式優(yōu)點在于用戶可自由講話，比較接近人們的日常生活習(xí)慣，但缺點在于需要網(wǎng)絡(luò)才能使用，一旦網(wǎng)絡(luò)環(huán)境不佳，將產(chǎn)生無法識別或者反饋延時的狀況；另一類是本地識別，該方式通過本地識別模組進行的本地語音控制命令詞的識別，該類方式無需使用網(wǎng)絡(luò)，具有響應(yīng)速度快，控制簡單等優(yōu)點，但需要事先設(shè)定好語音控制命令詞，產(chǎn)品設(shè)備需識別到完整的語音控制命令詞后才會響應(yīng)，無法實現(xiàn)自由對講，體驗感不高。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供一種語音識別方法及裝置，用于克服現(xiàn)有技術(shù)中的缺點。

具體的，本發(fā)明提出了以下具體的實施例：

本發(fā)明實施例提供了一種語音識別方法，包括：

獲取用戶發(fā)送的語音指令；

將所述語音指令的音頻流發(fā)送給本地識別引擎；

接收所述本地識別引擎返回的本地識別結(jié)果；

當本地識別結(jié)果不在預(yù)設(shè)范圍內(nèi)時，將所述語音指令的音頻流發(fā)送給云端識別引擎；

接收所述云端識別引擎返回的云端識別結(jié)果；

當云端識別結(jié)果在預(yù)設(shè)范圍內(nèi)時，執(zhí)行所述語音指令。

作為上述技術(shù)方案的進一步改進，所述本地識別結(jié)果不在預(yù)設(shè)范圍內(nèi)具體為：所述本地識別結(jié)果對應(yīng)的置信度小于第一預(yù)設(shè)置信度區(qū)間上限；所述云端識別結(jié)果在預(yù)設(shè)范圍內(nèi)具體為：所述云端識別結(jié)果對應(yīng)的置信度大于第二預(yù)設(shè)置信度區(qū)間上限。

作為上述技術(shù)方案的進一步改進，所述方法還包括：循環(huán)執(zhí)行所述將所述語音指令發(fā)送給云端識別引擎，直至所述云端識別引擎返回的云端識別結(jié)果在預(yù)設(shè)范圍內(nèi)或者重發(fā)次數(shù)達到最大發(fā)送次數(shù)。

作為上述技術(shù)方案的進一步改進，所述方法還包括：在初始化和/或根據(jù)用戶輸入，設(shè)置所述最大發(fā)送次數(shù)。

作為上述技術(shù)方案的進一步改進，所述方法還包括：接收到用戶發(fā)送的語音指令后，開啟所述本地識別引擎，當本地識別結(jié)果不在預(yù)設(shè)范圍內(nèi)時，開啟所述云端識別引擎。

本發(fā)明實施例還提供了一種語音識別裝置，包括：

語音獲取模塊，用于獲取用戶發(fā)送的語音指令；

第一發(fā)送模塊，用于將所述語音指令的音頻流發(fā)送給本地識別引擎；

第一接收模塊，用于接收所述本地識別引擎返回的本地識別結(jié)果；

第一判斷模塊，用于判斷所述本地識別結(jié)果是否在預(yù)設(shè)范圍內(nèi)，當本地識別結(jié)果在預(yù)設(shè)范圍內(nèi)時，執(zhí)行所述語音指令，當本地識別結(jié)果不在預(yù)設(shè)范圍內(nèi)時，執(zhí)行云端識別；

第二發(fā)送模塊，用于所述第一判斷模塊判斷本地識別結(jié)果不在預(yù)設(shè)范圍內(nèi)時將所述語音指令的音頻流發(fā)送給云端識別引擎；

第二接收模塊，用于接收所述云端識別引擎返回的云端識別結(jié)果；

第二判斷模塊，用于判斷所述云端識別結(jié)果是否在預(yù)設(shè)范圍內(nèi)，當云端識別結(jié)果在預(yù)設(shè)范圍內(nèi)時，執(zhí)行所述語音指令，當云端識別結(jié)果不在預(yù)設(shè)范圍內(nèi)時，則發(fā)出無效指令提示；

執(zhí)行模塊，用于執(zhí)行所述語音指令。

作為上述技術(shù)方案的進一步改進，所述第一判斷模塊判定本地識別結(jié)果不在預(yù)設(shè)范圍內(nèi)的依據(jù)具體為：所述本地識別結(jié)果對應(yīng)的置信度小于第一預(yù)設(shè)置信度區(qū)間上限；所述第二判斷模塊判定云端識別結(jié)果在預(yù)設(shè)范圍內(nèi)的依據(jù)具體為：所述云端識別結(jié)果對應(yīng)的置信度大于第二預(yù)設(shè)置信度區(qū)間上限。

作為上述技術(shù)方案的進一步改進，還包括重發(fā)模塊，用于循環(huán)執(zhí)行所述將所述語音指令發(fā)送給云端識別引擎，直至所述云端識別引擎返回的云端識別結(jié)果在預(yù)設(shè)范圍內(nèi)或者重發(fā)次數(shù)達到最大發(fā)送次數(shù)。

作為上述技術(shù)方案的進一步改進，還包括設(shè)置模塊，用于在初始化和/或根據(jù)用戶輸入，設(shè)置所述最大發(fā)送次數(shù)。

作為上述技術(shù)方案的進一步改進，還包括觸發(fā)模塊，用于在接收到用戶發(fā)送的語音指令后，開啟所述本地識別引擎，當本地識別結(jié)果不在預(yù)設(shè)范圍內(nèi)時，開啟所述云端識別引擎。

采用本發(fā)明提供的技術(shù)方案，與已有的公知技術(shù)相比，至少具有如下有益效果：響應(yīng)速度快和控制簡單。本地識別不成功后將所述語音指令上送云端進行識別，消耗的網(wǎng)絡(luò)數(shù)據(jù)流量比每次上送云端識別更加節(jié)省流量。保證語音指令能夠有效識別。

附圖說明