[發明專利]語音文本的輸出方法及裝置、存儲介質、電子裝置

在審

• 申請號: 202010464302.X
• 申請日: 2020-05-27
• 公開（公告）號: CN113744718A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 蘇騰榮;馬志芳;李想;趙培
• 申請（專利權）人: 海爾優家智能科技（北京）有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L25/51
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 張丹紅

1.一種語音文本的輸出方法，其特征在于，包括：

對目標語音進行語音識別，得到基于音素的語音識別結果；

根據預置的音素混淆矩陣對所述語音識別結果進行修正，并輸出修正后的語音文本；

其中，所述音素混淆矩陣用于指示正確結果的音素序列和發音混淆的N個音素序列之間每個音素的混淆概率，其中，N為正整數。

2.根據權利要求1所述的方法，其特征在于，根據預置的音素混淆矩陣對所述語音識別結果進行修正，并輸出修正后的語音文本之前，所述方法還包括：

獲取已標注正確結果的音素序列，以及發音混淆的N個音素序列；

將所述已標注正確結果的音素序列和所述N個音素序列對齊，以確定用于指示所述每個音素的混淆概率的音素混淆矩陣。

3.根據權利要求1所述的方法，其特征在于，根據預置的音素混淆矩陣對所述語音識別結果進行修正，包括：

將所述語音識別結果和所述音素混淆矩陣進行運算，得到運算結果；

根據運算結果對所述語音識別結果進行修正。

4.根據權利要求3所述的方法，其特征在于，將所述語音識別結果和所述音素混淆矩陣進行運算，得到運算結果，包括：

按照預設算法對所述語音識別結果和音素混淆矩陣運算，得到多個混淆概率值，其中，所述多個混淆概率值用于指示所述運算結果。

5.根據權利要求4所述的方法，其特征在于，根據運算結果對所述語音識別結果進行修正，包括：

從所述多個混淆概率值中選擇混淆概率值最大所對應的正確結果的音速序列；

根據所述混淆概率最大所對應的正確結果的音速序列對所述語音識別結果進行修正。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取目標對象的語料數據；

根據獲取到的所述語料數據確定所述語料數據對應的正確結果的音素序列，以及發音混淆的M個音素序列，其中，M為正整數；

根據所述語料數據對應的正確結果的音素序列，以及發音混淆的M個音素序列確定所述目標對象的音素混淆矩陣。

7.根據權利要求6所述的方法，其特征在于，根據所述語料數據對應的正確結果的音素序列，以及發音混淆的M個音素序列確定所述目標對象的音素混淆矩陣之后，所述方法還包括：

在接收到所述目標對象的語音數據的情況下，對所述目標對象的語音數據進行識別，以得到基于音素的目標識別結果；

根據所述目標對象的音素混淆矩陣對所述目標識別結果進行修正。

8.一種語音文本的輸出裝置，其特征在于，包括：

確定模塊，用于對目標語音進行語音識別，得到基于音素的語音識別結果；

處理模塊，用于根據預置的音素混淆矩陣對所述語音識別結果進行修正，并輸出修正后的語音文本；

其中，所述音素混淆矩陣用于指示正確結果的音素序列和發音混淆的N個音素序列之間每個音素的混淆概率，其中，N為正整數。

9.一種計算機可讀的存儲介質，其特征在于，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行所述權利要求1至7任一項中所述的方法。

10.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行所述權利要求1至7任一項中所述的方法。