[發(fā)明專利]語音識別方法、裝置、設(shè)備、存儲介質(zhì)及空調(diào)

在審

• 申請?zhí)枺?/td>: 201811323620.3
• 申請日: 2018-11-07
• 公開（公告）號: CN111161718A
• 公開（公告）日: 2020-05-15
• 發(fā)明（設(shè)計）人: 劉文峰
• 申請（專利權(quán)）人: 珠海格力電器股份有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/26;G10L15/18;G10L15/06;G10L15/08
• 代理公司: 北京細軟智谷知識產(chǎn)權(quán)代理有限責任公司 11471
• 代理人: 郭亞芳

本申請涉及一種語音識別方法、裝置、設(shè)備、存儲介質(zhì)及空調(diào)，包括：獲取語音信息；將語音信息發(fā)送給預先訓練得到的目標語音識別模型；所述目標語音識別模型識別的口音與目標口音相匹配，目標口音為設(shè)備所處地理位置對應的口音；由目標語音識別模型識別語音信息，得到語音信息的文本信息。由于目標語音模型與上述地理位置使用的口音相匹配，因此該目標語音模型對方言口音的識別率較高，基于此，本申請的技術(shù)方案對方言口音具有較為理想的識別率。

技術(shù)領(lǐng)域

本申請涉及人機交互技術(shù)領(lǐng)域，尤其涉及一種語音識別方法、裝置、設(shè)備、存儲介質(zhì)及空調(diào)。

背景技術(shù)

隨著科學技術(shù)的發(fā)展，人與機器之間的交互方式也越來越多樣化，其中，現(xiàn)在應用較為廣泛的就是機器通過識別人的語音來進行人機交互。

由于語言是由非常多種的方言構(gòu)成，而對于單一方言來說，每個人的口音也會各不相同，因此，現(xiàn)有的語音識別技術(shù)在識別有口音的語音時，特別在方言復雜的偏遠地區(qū)，識別率難以達到理想狀態(tài)。

發(fā)明內(nèi)容

為至少在一定程度上克服相關(guān)技術(shù)中存在的問題，本申請?zhí)峁┮环N語音識別方法、裝置、設(shè)備、存儲介質(zhì)及空調(diào)。

根據(jù)本申請的第一方面，提供一種語音識別方法，包括：

獲取語音信息；所述語音信息包括口音；

將所述語音信息發(fā)送給預設(shè)的目標語音識別模型；所述目標語音識別模型識別的口音與目標口音相匹配，所述目標口音為設(shè)備所處地理位置使用的口音；

由所述目標語音識別模型識別所述語音信息，得到所述語音信息的文本信息。

可選的，所述目標語音識別模型包括標準口音推斷模型和目標口音推斷模型；

所述由所述目標語音識別模型識別所述語音信息，得到所述語音信息的文本信息，包括：

將所述語音信息發(fā)送給預先訓練得到的標準口音推斷模型和預先訓練得到的目標口音推斷模型，分別對應得到所述語音信息的第一文本信息和第二文本信息；所述目標口音推斷模型識別的口音與目標口音相匹配，所述目標口音為設(shè)備的地理位置使用的口音；

分別確定所述第一文本信息與所述語音信息的第一匹配度和所述第二文本信息與所述語音信息的第二匹配度；

輸出所述第一匹配度和所述第二匹配度中匹配度較高的匹配度對應的文本信息。

可選的，所述輸出所述第一匹配度和所述第二匹配度中匹配度較高的匹配度對應的文本信息，包括：

當所述第一匹配度與所述第二匹配度均低于預設(shè)值時，將所述語音信息上傳到服務器，以使所述服務器根據(jù)所述語音信息匹配最佳口音推斷模型；

從所述服務器中獲取所述最佳口音推斷模型；

將所述語音信息發(fā)送給所述最佳口音推斷模型；

由所述最佳口音推斷模型識別所述語音信息得到所述語音信息的文本信息。

可選的，本方法還包括：

接收用戶發(fā)出的同一關(guān)鍵詞的標準口音信息和目標口音信息；

將所述標準口音信息發(fā)送給預先訓練得到的標準口音推斷模型，得到所述標準口音信息的文本信息；

將所述標準口音信息的文本信息設(shè)置為所述目標口音信息對應的文本信息；

獲取目標地理位置；

由聚類算法對相同關(guān)鍵詞的所述方言口音語音信息進行音素的比較和聚類，并根據(jù)所述方言口音語音信息對應的所述目標地理位置形成方言邊界，進而形成口音地圖。

可選的，所述目標口音推斷模型的訓練過程包括：