[發(fā)明專利]語音數(shù)據(jù)的處理方法、裝置、計算機可讀介質(zhì)及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202010549158.X
• 申請日: 2020-06-16
• 公開（公告）號: CN111710337B
• 公開（公告）日: 2023-07-07
• 發(fā)明（設(shè)計）人: 元濤;蘭澤華;林昱
• 申請（專利權(quán)）人: 睿云聯(lián)（廈門）網(wǎng)絡(luò)通訊技術(shù)有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/26;G10L15/02;G10L15/16;G10L15/06
• 代理公司: 廈門原創(chuàng)專利事務(wù)所(普通合伙) 35101
• 代理人: 黃巧香

本申請的實施例提供了一種語音數(shù)據(jù)的處理方法、裝置、計算機可讀介質(zhì)及電子設(shè)備。該語音數(shù)據(jù)的處理方法包括：實時獲取語音輸入信息；對所述語音輸入信息進行分幀處理，得到所述語音輸入信息所對應的語音幀；采用預訓練的聲學模型對所述語音幀進行音素識別，以識別出所述語音幀中包含的音素；針對每次音素識別的結(jié)果，對當前識別出的音素進行關(guān)鍵詞識別，以確定所述語音輸入信息包含的關(guān)鍵詞；若連續(xù)識別出相同的關(guān)鍵詞的次數(shù)大于或等于預定數(shù)量，則確定所述關(guān)鍵詞為目標關(guān)鍵詞，以根據(jù)所述目標關(guān)鍵詞進行相應動作。本申請實施例的技術(shù)方案可以提高語音識別的效率，進而保證語音控制設(shè)備的響應速度。

技術(shù)領(lǐng)域

本申請涉及語音識別技術(shù)領(lǐng)域，具體而言，涉及一種語音數(shù)據(jù)的處理方法、裝置、計算機可讀介質(zhì)及電子設(shè)備。

背景技術(shù)

隨著語音識別技術(shù)的發(fā)展，其應用也越來越廣泛。例如汽車設(shè)備的語音控制、智能玩具或者智能家居等等。在目前的技術(shù)方案中，語音控制設(shè)備通過獲取用戶輸入的語音信息，并對語音信息進行語音識別以達到控制設(shè)備動作的目的。因此，如何提高語音的識別效率，進而保證語音控制設(shè)備響應速度成為了亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

本申請的實施例提供了一種語音數(shù)據(jù)的處理方法、裝置、計算機可讀介質(zhì)及電子設(shè)備，進而至少在一定程度上可以提高語音的識別效率，進而保證語音控制設(shè)備的響應速度。

本申請的其他特性和優(yōu)點將通過下面的詳細描述變得顯然，或部分地通過本申請的實踐而習得。

根據(jù)本申請實施例的一個方面，提供了一種語音數(shù)據(jù)的處理方法，該方法包括：

實時獲取語音輸入信息；

對所述語音輸入信息進行分幀處理，得到所述語音輸入信息所對應的語音幀；

采用預訓練的聲學模型對所述語音幀進行音素識別，以識別出所述語音幀中包含的音素；

針對每次音素識別的結(jié)果，對當前識別出的音素進行關(guān)鍵詞識別，以確定所述語音輸入信息包含的關(guān)鍵詞；

若連續(xù)識別出相同的關(guān)鍵詞的次數(shù)大于或等于預定數(shù)量，則確定所述關(guān)鍵詞為目標關(guān)鍵詞，以根據(jù)所述目標關(guān)鍵詞進行相應動作。

根據(jù)本申請實施例的一個方面，提供了一種語音數(shù)據(jù)的處理裝置，該處理裝置包括：

獲取模塊，用于實時獲取語音輸入信息；

分幀模塊，用于對所述語音輸入信息進行分幀處理，得到所述語音輸入信息所對應的語音幀；

第一識別模塊，用于采用預訓練的聲學模型對所述語音幀進行音素識別，以識別出所述語音幀中包含的音素；

第二識別模塊，用于針對每次音素識別的結(jié)果，對當前識別出的音素進行關(guān)鍵詞識別，以確定所述語音輸入信息包含的關(guān)鍵詞；

處理模塊，用于若連續(xù)識別出相同的關(guān)鍵詞的次數(shù)大于或等于預定數(shù)量，則確定所述關(guān)鍵詞為目標關(guān)鍵詞，以根據(jù)所述目標關(guān)鍵詞進行相應動作。

基于前述方案，在本申請的一些實施例中，所述處理模塊被配置為：將首次識別出所述關(guān)鍵詞的語音幀確定為起始幀；若在所述起始幀之后的預定數(shù)量內(nèi)的語音幀內(nèi)未識別出其他關(guān)鍵詞，則確定所述關(guān)鍵詞為目標關(guān)鍵詞。

基于前述方案，在本申請的一些實施例中，所述第一識別模塊被配置為：對所述語音幀進行特征提取，得到所述語音幀對應的語音特征；將所述語音特征輸入聲學模型，以使所述聲學模型輸出所述語音幀中包含的音素。

基于前述方案，在本申請的一些實施例中，所述第二識別模塊被配置為：獲取關(guān)鍵詞的第一權(quán)重，以及與所述關(guān)鍵詞發(fā)音相近的近音詞的第二權(quán)重；將所述當前識別出的音素、所述第一權(quán)重以及所述第二權(quán)重輸入至語言模型中，以使所述語言模型輸出所述當前識別出的音素所對應的關(guān)鍵詞。