[發(fā)明專利]語(yǔ)音識(shí)別結(jié)果的調(diào)整裝置及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810352115.5
• 申請(qǐng)日: 2018-04-18
• 公開(kāi)（公告）號(hào): CN108364650A
• 公開(kāi)（公告）日: 2018-08-03
• 發(fā)明（設(shè)計(jì)）人: 趙鑫;陳孝良;蘇少煒;馮大航;常樂(lè)
• 申請(qǐng)（專利權(quán)）人: 北京聲智科技有限公司
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L15/04;G10L15/05;G06F17/27
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 任巖

一種語(yǔ)音識(shí)別結(jié)果的調(diào)整裝置及方法，其中，該裝置包括：VAD模塊，將語(yǔ)音輸入信息劃分為句語(yǔ)音信息；ASR模塊，將句語(yǔ)音信息轉(zhuǎn)換為文本數(shù)據(jù)；場(chǎng)景判斷模塊，判斷句語(yǔ)音信息的當(dāng)前應(yīng)用場(chǎng)景；句首處理模塊，若該句首詞的應(yīng)用場(chǎng)景與當(dāng)前應(yīng)用場(chǎng)景匹配，則進(jìn)入過(guò)濾模塊；否則去除該句首詞，依次判斷其他詞的應(yīng)用場(chǎng)景是否與當(dāng)前應(yīng)用場(chǎng)景匹配，直至下一個(gè)詞的應(yīng)用場(chǎng)景與當(dāng)前應(yīng)用場(chǎng)景匹配，此時(shí)進(jìn)入過(guò)濾模塊；過(guò)濾模塊，判斷敏感詞的發(fā)生場(chǎng)景是否與當(dāng)前應(yīng)用場(chǎng)景一致，若一致，則保留該文本數(shù)據(jù)中的敏感詞；若不一致，則刪除該文本數(shù)據(jù)中的敏感詞。本發(fā)明能夠優(yōu)化語(yǔ)音識(shí)別結(jié)果，提高語(yǔ)義理解的正確率，增強(qiáng)智能語(yǔ)音設(shè)備的用戶體驗(yàn)。

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)音處理領(lǐng)域，尤其涉及一種語(yǔ)音識(shí)別結(jié)果的調(diào)整裝置及方法。

背景技術(shù)

近兩年，智能語(yǔ)音設(shè)備例如智能音箱作為家庭場(chǎng)景中有效的人工智能交互入口，在國(guó)內(nèi)外市場(chǎng)受到廣泛專注。智能音箱的應(yīng)用使用戶解放了雙手，能夠更加便捷的獲取歌曲、新聞等媒體資源，了解天氣、交通等實(shí)時(shí)情況，和控制家用電器等。智能音箱的產(chǎn)生得益于深度學(xué)習(xí)等人工智能技術(shù)的發(fā)展，其背后涉及到噪聲消除、語(yǔ)音活動(dòng)檢測(cè)(VAD)和自動(dòng)語(yǔ)音識(shí)別(ASR)等多項(xiàng)復(fù)雜技術(shù)。但根據(jù)目前的技術(shù)，VAD和ASR都無(wú)法保證100％的正確率，有效提高語(yǔ)音識(shí)別率是保障智能音箱服務(wù)質(zhì)量的關(guān)鍵。

區(qū)別于其他語(yǔ)音識(shí)別的場(chǎng)景，智能音箱具備口語(yǔ)化和多輪對(duì)話的特征，用戶可以通過(guò)多次口語(yǔ)化的表達(dá)控制智能音箱的行為，而現(xiàn)實(shí)情況是很多簡(jiǎn)略的口語(yǔ)化表達(dá)的識(shí)別率不高。此外，在多輪對(duì)話場(chǎng)景下，VAD的誤判可能導(dǎo)致第一句的末尾詞語(yǔ)出現(xiàn)在第二句的開(kāi)頭位置，這種結(jié)果也會(huì)對(duì)智能音箱的行為造成不良影響。另一方面，智能音箱作為獲取信息的入口，應(yīng)該屏蔽色情、政治敏感等內(nèi)容。在實(shí)際應(yīng)用場(chǎng)景下，有些詞語(yǔ)在新聞播報(bào)中是允許的，但在問(wèn)答場(chǎng)景中是禁止的，這就存在一定的問(wèn)題。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問(wèn)題

本發(fā)明的目的在于提供一種語(yǔ)音識(shí)別結(jié)果的調(diào)整裝置及方法，以解決上述的至少一項(xiàng)技術(shù)問(wèn)題。

(二)技術(shù)方案

本發(fā)明的一方面，提供了一種語(yǔ)音識(shí)別結(jié)果的調(diào)整裝置，包括：

VAD模塊，用于判斷語(yǔ)音輸入信息中每句話的終止，將所述語(yǔ)音輸入信息劃分為至少一個(gè)句語(yǔ)音信息；

ASR模塊，用于將所述句語(yǔ)音信息轉(zhuǎn)換為文本數(shù)據(jù)；

場(chǎng)景判斷模塊，用于根據(jù)所述文本數(shù)據(jù)以及場(chǎng)景關(guān)聯(lián)詞庫(kù)，判斷所述句語(yǔ)音信息的當(dāng)前應(yīng)用場(chǎng)景；

句首處理模塊，用于判斷所述文本數(shù)據(jù)的句首詞的應(yīng)用場(chǎng)景，并與所述當(dāng)前應(yīng)用場(chǎng)景進(jìn)行匹配，若該句首詞的應(yīng)用場(chǎng)景與當(dāng)前應(yīng)用場(chǎng)景匹配，則進(jìn)行過(guò)濾模塊的處理；若所述場(chǎng)景關(guān)聯(lián)詞庫(kù)中不存在句首詞的應(yīng)用場(chǎng)景或者該句首詞的應(yīng)用場(chǎng)景與當(dāng)前應(yīng)用場(chǎng)景不匹配，則去除該句首詞，并依次判斷該文本數(shù)據(jù)中的其他詞的應(yīng)用場(chǎng)景是否與當(dāng)前應(yīng)用場(chǎng)景匹配，直至下一個(gè)詞的應(yīng)用場(chǎng)景與當(dāng)前應(yīng)用場(chǎng)景匹配，進(jìn)行過(guò)濾模塊的處理；

過(guò)濾模塊，用于根據(jù)敏感詞庫(kù)，確定該文本數(shù)據(jù)中的敏感詞的發(fā)生場(chǎng)景，判斷該發(fā)生場(chǎng)景是否與當(dāng)前應(yīng)用場(chǎng)景一致，若一致，則保留該文本數(shù)據(jù)中的敏感詞；若不一致，則刪除該文本數(shù)據(jù)中的敏感詞。

在本發(fā)明的一些實(shí)施例中，所述場(chǎng)景判斷模塊根據(jù)所述文本數(shù)據(jù)以及場(chǎng)景關(guān)聯(lián)詞庫(kù)，判斷所述語(yǔ)音輸入信息的應(yīng)用場(chǎng)景指，所述場(chǎng)景判斷模塊對(duì)所述文本數(shù)據(jù)進(jìn)行分詞和詞性分析，確定其中的名詞信息；將所述名詞信息與場(chǎng)景關(guān)聯(lián)詞庫(kù)進(jìn)行概率計(jì)算，將概率最大的應(yīng)用場(chǎng)景確定為所述語(yǔ)音輸入信息的應(yīng)用場(chǎng)景。

在本發(fā)明的一些實(shí)施例中，所述場(chǎng)景關(guān)聯(lián)詞庫(kù)用于定義每個(gè)詞的場(chǎng)景分布概率和各應(yīng)用場(chǎng)景的默認(rèn)動(dòng)詞；所述敏感詞庫(kù)用于定義每個(gè)敏感詞的發(fā)生場(chǎng)景。