[發(fā)明專利]一種用戶語音識別方法和裝置

有效

• 申請?zhí)枺?/td>: 201910578720.9
• 申請日: 2019-06-28
• 公開（公告）號: CN110570843B
• 公開（公告）日: 2021-03-05
• 發(fā)明（設計）人: 鞠向宇;趙曉朝;袁志偉;戴帥湘
• 申請（專利權）人: 北京驀然認知科技有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/07;G10L15/187
• 代理公司: 北京智丞瀚方知識產權代理有限公司 11810
• 代理人: 楊樂

本發(fā)明公開了一種用戶語音識別方法和裝置，所述方法包括：根據(jù)用戶的聲紋識別用戶，得到用戶ID；根據(jù)用戶ID判斷該用戶是否為首次接入用戶；如果該用戶是首次接入用戶，則根據(jù)該用戶的聲紋特征獲得用戶特征數(shù)據(jù)，根據(jù)用戶特征數(shù)據(jù)加載對應的初始聲學模型和初始語言模型，并將所述用戶的初始聲學模型和/或初始語言模型分享到特定群體中進行訓練，得到與該用戶對應的聲學模型和語言模型；如果該用戶不是首次接入用戶，則根據(jù)該用戶ID，分別加載與該用戶對應的聲學模型和語言模型。通過本發(fā)明的方法和裝置，解決了不同用戶由于發(fā)音習慣，說話習慣，使用場景新詞而導致的識別效果差的問題。

技術領域

本發(fā)明實施例涉及語音識別技術領域，特別涉及一種用戶語音識別方法和 裝置。

背景技術

語音識別系統(tǒng)的模型通常由聲學模型和語言模型兩部分組成，分別對應于語 音到音節(jié)概率的計算和音節(jié)到字概率的計算。目前的語音識別中使用的聲學模 型和語言模型大都是通用模型，例如，隱馬爾可夫模型HMM和N-Gram。

但是目前的語音識別引擎識別效果還不夠準確，通用模型往往解決不了用 戶的發(fā)音習慣和說話習慣問題，例如當用戶說話語速較快或者使用發(fā)言導致前 后鼻音不分，發(fā)不了翹舌音等，又或者用戶的語言習慣不完全符合語法，如導 航去某地點，我要去，推薦吃飯的地方，附近有哪些好吃的等等，利用現(xiàn)有的 這些通用模型無法準確識別。

發(fā)明內容

針對現(xiàn)有技術中的問題，本發(fā)明提供一種用戶語音識別方法和裝置。

本發(fā)明提供一種用戶語音識別方法，其特征在于：

步驟100，根據(jù)用戶的聲紋識別用戶，得到用戶ID；

步驟101，根據(jù)用戶ID判斷該用戶是否為首次接入用戶；

步驟102，如果該用戶是首次接入用戶，則根據(jù)該用戶的聲紋特征獲得用戶 特征數(shù)據(jù)，根據(jù)用戶特征數(shù)據(jù)加載對應的初始聲學模型和初始語言模型；

步驟103，如果該用戶不是首次接入用戶，則根據(jù)該用戶ID，分別加載與 該用戶對應的聲學模型和語言模型。

進一步的，所述步驟102之后還包括步驟1021，對所述初始聲學模型和初 始語言模型進行訓練，得到與該用戶對應的聲學模型和語言模型。

進一步的，所述步驟1021中，所述對初始聲學模型和初始語言模型進行訓 練，得到與該用戶對應的聲學模型和語言模型具體為：

根據(jù)該用戶的語音識別記錄該用戶的常用高頻詞和/或不同場景常用的前 綴詞，積累用戶數(shù)據(jù)，持續(xù)調整所述初始語言模型以得到與該用戶對應的聲學 模型和語言模型。

優(yōu)選的，所述步驟1021中，還包括將所述用戶的初始聲學模型和/或初始 語言模型分享到特定群體中進行訓練。

進一步的，所述用戶將初始聲學模型和/或初始語言模型分享到特定群體中 進行訓練具體為：

所述用戶將所述初始聲學模型分享到與該用戶具有相同或相似發(fā)音習慣的 群體中進行訓練；和/或所述用戶將所述初始語言模型分享到與該用戶具有相同 或相似的語言習慣的群體中進行訓練。

進一步的，所述根據(jù)用戶特征數(shù)據(jù)加載對應的初始聲學模型和初始語言模 型具體為通過聲紋識別所述用戶的地域和/或性別和/或年齡，對應的加載初始 聲學模型。

進一步的，所述用戶向特定群體或其他用戶分享與所述用戶對應的語言模 型或聲學模型；和/或，所述用戶調用其他群體或其他用戶的語言模型作為該用 戶的初始語言模型和/或所述用戶調用其他群體或其他用戶的聲學模型作為該 用戶的初始聲學模型。

本發(fā)明提供一種用戶語音識別裝置，其特征在于，所述裝置包括：

識別模塊，根據(jù)用戶的聲紋識別用戶，得到用戶ID；