[發(fā)明專利]離線命令詞與云端解析結(jié)合的語音識別方法、裝置和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201811439285.3
• 申請日: 2018-11-29
• 公開（公告）號: CN109410927B
• 公開（公告）日: 2020-04-03
• 發(fā)明（設(shè)計(jì)）人: 趙曉朝;戴帥湘;袁志偉
• 申請（專利權(quán)）人: 北京驀然認(rèn)知科技有限公司
• 主分類號: G10L15/18
• 分類號: G10L15/18;G10L15/22;G10L15/08;G10L15/26;G10L15/34
• 代理公司: 北京智丞瀚方知識產(chǎn)權(quán)代理有限公司 11810
• 代理人: 楊樂

本發(fā)明實(shí)施例公開了一種離線命令詞與云端解析相結(jié)合的語音識別方法，包括：接收用戶的語音輸入；對接收到的語音進(jìn)行識別；輸出識別結(jié)果；根據(jù)識別結(jié)果調(diào)用本地命令詞庫和/或?qū)⒆R別后的文本發(fā)送到云端進(jìn)行語義解析；根據(jù)語義解析結(jié)果生成指令；執(zhí)行指令。通過本地命令詞庫的構(gòu)建和對語音輸入、文本結(jié)果的識別，根據(jù)識別結(jié)果選擇調(diào)用本地命令詞庫進(jìn)行語義解析或發(fā)送到云端進(jìn)行語義解析，能夠提高語音識別、語義解析的響應(yīng)速度，并且為不同用戶定制不同的本地命令詞庫，以提供定制化的語音識別服務(wù)。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及人工智能領(lǐng)域，特別涉及人工智能領(lǐng)域中的語音識別技術(shù)。

背景技術(shù)

人工智能(Artificial Intelligence)研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作，為了執(zhí)行人的指令，高效、準(zhǔn)確的人機(jī)交互是必需的。語音識別是目前應(yīng)用最多的人機(jī)交互方式之一，傳統(tǒng)的語音交互方式通常是通過用戶終端在本地完成語音識別，識別后的文本傳輸?shù)皆贫?，通過云端進(jìn)行語義解析并生成指令或?qū)υ?，將指令或?qū)υ拏鬏敾赜脩艚K端。這樣的模式響應(yīng)速度慢。本地存儲離線命令庫的方法能夠提高響應(yīng)速度，但是由于本地存儲空間的有限性，本地存儲離線命令庫無法像云端解析一樣實(shí)現(xiàn)各類命令的解析。因此，亟需離線命令詞與云端解析相結(jié)合的語音識別方法。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種離線命令詞與云端解析相結(jié)合的語音識別方法，包括：接收用戶的語音輸入；對接收到的語音進(jìn)行識別；輸出識別結(jié)果；根據(jù)識別結(jié)果調(diào)用本地命令詞庫和/或?qū)⒆R別后的文本發(fā)送到云端進(jìn)行語義解析；根據(jù)語義解析結(jié)果生成指令；執(zhí)行指令。

其中，識別結(jié)果包括用戶的屬性信息。用戶的屬性信息指用戶是特定用戶，還是非特定用戶。特定用戶包括但不限于：家庭成員，辦公室成員，授權(quán)用戶，使用頻次較高的用戶，本地聯(lián)系人列表中存儲的用戶，臨時(shí)建立的群中的用戶等。非特定用戶包括但不限于：訪客，非授權(quán)用戶，使用頻次低的用戶，未存儲在本地聯(lián)系人列表中的用戶等。

根據(jù)用戶的識別結(jié)果調(diào)用本地命令詞庫和/或?qū)⒆R別后的文本發(fā)送到云端進(jìn)行語義解析進(jìn)一步包括，如果用戶屬于特定用戶，則調(diào)用本地命令詞庫進(jìn)行解析，如果用戶屬于非特定用戶，則將識別后的文本發(fā)送到云端進(jìn)行解析。

進(jìn)一步包括，特定用戶的本地命令詞庫包含的關(guān)鍵詞多于非特定用戶的本地命令詞庫；或者特定用戶能夠調(diào)用本地命令詞，而非特定用戶僅能進(jìn)行云端解析；或者特定用戶能夠調(diào)用與自身的權(quán)限級別相適應(yīng)的本地命令詞庫集合，用戶的權(quán)限級別越高能夠調(diào)用的本地命令詞庫集合包含的本地命令詞越多，或包含的本地命令詞庫的級別越高。

如果用戶屬于特定用戶，則進(jìn)一步包括，調(diào)用本地存儲的3D用戶畫像，根據(jù)3D用戶畫像調(diào)用相應(yīng)的本地命令詞庫進(jìn)行解析。3D用戶畫像包括用戶的基本信息、行為屬性、社會關(guān)系、心理特征、興趣愛好中的一個(gè)或多個(gè)。3D用戶畫像由用戶自行輸入，或根據(jù)用戶的數(shù)據(jù)疊加、抽象形成。

如果用戶屬于非特定用戶，則進(jìn)一步包括，允許非特定用戶被授權(quán)構(gòu)建3D用戶畫像，3D用戶畫像包括用戶的基本信息、行為屬性、社會關(guān)系、心理特征、興趣愛好中的一個(gè)或多個(gè)。3D用戶畫像由用戶自行輸入，或根據(jù)用戶的數(shù)據(jù)疊加、抽象形成。非特定用戶被授權(quán)構(gòu)建3D用戶畫像后，可以根據(jù)3D用戶畫像調(diào)用相應(yīng)的本地命令詞庫進(jìn)行解析。

其中，識別結(jié)果還包括語音識別后的文本的長度，如果文本的長度大于設(shè)定值，則將文本進(jìn)行拆分，部分調(diào)用本地命令詞庫進(jìn)行解析，部分上傳云端進(jìn)行解析，解析完成后回傳本地，在本地對兩部分解析結(jié)果進(jìn)行合成并輸出指令。

其中，如果識別出現(xiàn)無法進(jìn)行本地語義解析的命令詞，則將命令詞及其鄰近的上下文信息上傳云端進(jìn)行解析，解析完成后回傳本地，在本地對兩部分解析結(jié)果進(jìn)行合并后輸出控制指令。

進(jìn)一步包括，當(dāng)需要進(jìn)行拆分時(shí)，在拆分處，或在無法解析的命令詞的上文和下文處插入標(biāo)記，所述在本地對兩部分解析結(jié)果進(jìn)行合并時(shí)根據(jù)插入的標(biāo)記位進(jìn)行合并。