[發明專利]語音識別中噪音的過濾方法、裝置、介質及對話機器人

有效

• 申請號: 202010185581.6
• 申請日: 2020-03-17
• 公開（公告）號: CN111554293B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 孫非凡;姚沁玥;孫信中;吳涵渠
• 申請（專利權）人: 深圳市奧拓電子股份有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L21/0208;G06F16/335
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請涉及一種語音識別中噪音的過濾方法、裝置、介質及對話機器人。過濾方法用于指定場景下的噪音文本的過濾，包括：獲取語音語料，并將語音語料轉化為文本信息，得到輸入文本；將輸入文本輸入到相關性模型，相關性模型基于專業語料庫判斷輸入文本與指定場景的相關性；根據相關度確定輸入文本是否為噪音文本，將噪音文本過濾，若不是噪音文本，則將輸入文本輸入到對話系統。本申請提供了在一指定場景下使用的、能夠過濾掉清晰人聲的噪音的軟過濾方案，能夠減少噪音文本流入對話系統，以提升智能交互系統在實際應用中的表現。

技術領域

本發明涉及語音識別處理技術領域，特別是涉及一種語音識別中噪音的過濾方法、裝置、介質及對話機器人。

背景技術

服務于某一指定場景(如營業廳)的語音交互系統可以與客戶進行智能化的人機交互，并有針對性地為用戶提供引導，答疑，和推薦等個性化服務，具有低成本、高效率的優勢。

然而，在實際場景應用中，客觀環境多變且有諸多不確定因素。環境噪音、嘈雜的人聲、廣播、音樂和旁人的聊天，都有可能對語音識別模塊(ASR)造成干擾，導致識別出一些無實際意義的、無關用戶意圖的噪音文本。這些噪音文本繼續進入對話系統將對其后續的判斷形成干擾，一方面，影響自然語言理解模塊(NLU)對用戶意圖的判斷，有幾率將噪音文本識別成已存在的用戶意圖，甚至錯誤地提取到詞槽關鍵詞，讓這些干擾信息流入下一個環節；另一方面，錯誤的意圖和詞槽會造成對話管理模塊(DM)作出錯誤的動作預測，從而給用戶錯誤的或無效的反饋，影響對話系統的流暢度與可靠程度，降低用戶體驗。基于上述原因，噪音文本的存在使得對話系統需要對意圖識別的可信度更加謹慎，一定程度上限制了NLU的泛化能力，降低其對人類自然語言多變的適應性。若能在前期將大部分噪音文本進行過濾，將很有機會提升對話系統在實際應用中的表現。

當前的噪音過濾技術更多依賴硬件，判斷聲源，設置語音起點(如hi?siri)，然而如何過濾掉清晰的人聲噪音仍是一大難題。

發明內容

基于此，有必要針對如何過濾掉清晰的人聲噪音的問題，提供一種語音識別中噪音的過濾方法、裝置、介質及對話機器人。

本申請第一方面提供一種語音識別中噪音的過濾方法，用于指定場景下的噪音文本的過濾，包括：

獲取語音語料，并將語音語料轉化為文本信息，得到輸入文本；

將輸入文本輸入到相關性模型，相關性模型基于專業語料庫判斷輸入文本與指定場景的相關性；

根據相關度確定輸入文本是否為噪音文本，將噪音文本過濾，若不是噪音文本，則將輸入文本輸入到對話系統。

本申請第二方面提供一種指定場景下語音識別中噪音的過濾裝置，包括：

語料獲取部件，用于獲取語音語料；

文本轉化部件，用于將語音語料轉化為文本信息，得到輸入文本；

相關性模型，用于基于一個指定場景下的專業語料庫判斷輸入文本與指定場景的相關性；

過濾部件，用于根據相關度確定噪音文本，將噪音文本過濾，若不是噪音文本，則輸入到對話系統。

通過構建一個指定場景下對應領域的專業語料庫，并基于專業語料庫對輸入文本進行相關性判定、通順度判定，通過相關性和通順度來確定是否將輸入文本輸入到對話系統，能夠實現清晰人聲的噪音過濾。通過對文本進行二次噪音過濾，確保文本符合自然語言表達習慣以及文本符合對話系統的應用場景。噪音過濾模型可以通過降低對話系統對閾值的需求來減少敏感度的犧牲，以此達到更高的準確率。

本申請第三方面提供一種機器可讀存儲介質，其上存儲有計算機程序，其中所述計算機程序在由處理器執行時實現前述的語音識別中噪音的過濾方法。