[發(fā)明專利]一種語音識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010082667.6
• 申請日: 2020-02-07
• 公開（公告）號: CN111292723A
• 公開（公告）日: 2020-06-16
• 發(fā)明（設計）人: 田興邦;趙茂祥;胡運燎
• 申請（專利權）人: 普強時代（珠海橫琴）信息技術有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/22;G10L15/25;G10L15/26;G10L21/0208;G10L25/87;G06K9/00
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發(fā)明涉及語音識別技術領域，且公開了一種語音識別系統(tǒng)，該語音識別系統(tǒng)具有：端點檢測，是對輸入的語音、啞語、唇語進行分析，以確定語音或者動作中包括用戶說話的起始和結束過程；噪聲消除，是將除去語音之外的外界噪音進行去除，同時包括由于話筒本身的因素產生的噪聲，系統(tǒng)本身需要經過多種噪聲的測試；特征提取，將去除噪音的語音進行提取，或者將啞語的肢體動作或者唇語的嘴型動作特征進行提取。該一種語音識別系統(tǒng)，通過設置專門的手語動作和唇語動作的端點檢測設備，使得言語障礙的人們使用唇語或者手語的動作與人們進行文字交流，使得該系統(tǒng)的功能更加強大，給言語障礙的人們帶來了福音，使得他們能夠自由的與人們進行溝通。

技術領域

本發(fā)明涉及語音識別技術領域，具體為一種語音識別系統(tǒng)。

背景技術

語音識別技術，也稱為自動語音識別，其目的是將人類的語音中的詞匯內容轉換為計算機可讀的輸入，語音識別技術涉及信號處理、模式識別、概率論和信息論、發(fā)聲機理和聽覺機理、人工智能等領域，作為人機交互的關鍵技術，語音識別技術在呼叫中心、電信增值、企業(yè)信息化系統(tǒng)、智能機器人、智能外呼、智能車載等應用系統(tǒng)中有了廣泛的應用。

目前的語音識別只是針對人們的說話的聲音進行識別，將人們說話的內容轉化成文字，然而這些只是針對一些語言無障礙的人員進行設計的，對于一些言語障礙的人們來說，如果想要和正常人進行交流時，對于一些不懂得啞語的人們來說，是無法進行交流的，這樣使得言語障礙的人們只能與會啞語的人們進行交流，使得他們長時間處于自己的個人封閉環(huán)境下，容易造成心理疾病。

現(xiàn)在的語音識別系統(tǒng)在使用的過程中容易受到除語音之外其他的環(huán)境噪聲影響，有些語音識別系統(tǒng)在進行端點檢測時就會出現(xiàn)阻礙，進而導致識別錯誤。

發(fā)明內容

本發(fā)明提供了一種語音識別系統(tǒng)，具備可對唇語和啞語進行識別，使得言語障礙患者能夠與人們進行交流，強大的噪音處理模塊使得語音識別錯誤率降低的優(yōu)點，解決了以上背景技術中提到的問題。

本發(fā)明提供如下技術方案：一種語音識別系統(tǒng)，包括端點檢測模塊、噪聲消除模塊、特征提取模塊、解碼器模塊以及輸出文字模塊，所述端點檢測模塊用以獲取用戶發(fā)出的聲音、唇語動作、手語動作；所述噪聲消除模塊用以對所述端點檢測獲取的用戶聲音進行噪音去除，所述噪音去除模塊包括外部環(huán)境噪音和設備噪聲；所述特征提取模塊用以提取所述用戶發(fā)出的聲音、唇語動作以及手語動作的特征；所述資源包模塊包括聲學模型、語言模型、系統(tǒng)字典、發(fā)音生成器、唇語模型、手語模型，為后期的搜索、對比提供依據；所述解碼器模塊根據特征提取出的特征在所述資源包內搜索與特征最相匹配的特征，所述最相匹配的特征包括語音文字序列和動作文字序列；所述輸出文字模塊用以將解碼器搜索獲取的文字序列進行輸出。

優(yōu)選的，所述MIC模塊用以采集用戶發(fā)出的聲音，所述攝像頭模塊用以采集用戶的唇語動作和手語動作。

優(yōu)選的，所述噪聲消除模塊用以從有噪聲的環(huán)境中降低、抑制噪聲干擾，提取語音信號。

優(yōu)選的，所述資源包模塊是通過文本語科進行語言模擬訓練形成語言模型，通過聲學語科進行聲學模型訓練形成的聲學模型，通過文本語科進行動作模擬訓練形成的唇語模型和啞語模型。

優(yōu)選的，所述解碼器模塊通過靈活裁剪、二次檢索、自動優(yōu)化、動態(tài)優(yōu)化結果對所述資源包進行提取以及優(yōu)化。

本發(fā)明具備以下有益效果：

1、該語音識別系統(tǒng)，通過設置專門的手語動作和唇語動作的端點檢測模塊，使得言語障礙的人們使用唇語或者手語的動作與人們進行文字交流，使得該系統(tǒng)的功能更加強大，給言語障礙的人們帶來了福音，使得他們能夠自由的與人們進行溝通。