[發(fā)明專利]一種用于供電智能客戶的語音識別處理系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011058941.2
• 申請日: 2020-09-30
• 公開（公告）號: CN112185392A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計）人: 黃瑞珍;陳琳;林磊;羅陸寧;劉家學;黃媚;李艷;練芯妤;曹美群;稅潔;徐艷如;謝鈺瑩;羅建國;黎怡均;羅益會;付婷婷;陳輝;黃公躍;趙峻;莫屾;林思遠;方力謙;嚴玉婷;孫夢龍;楊蘊琳
• 申請（專利權(quán)）人: 深圳供電局有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/02;G10L15/183;G10L15/08;G10L15/20;G10L25/87;H04M3/51
• 代理公司: 深圳匯智容達專利商標事務所(普通合伙) 44238
• 代理人: 熊賢卿

1.一種用于供電智能客戶的語音識別處理系統(tǒng)，其特征在于，包括：

語音輸入單元，用于接收通過供電智能坐席接聽客戶的語音信號；

預處理單元，用于對客戶的語音信號進行預處理，所述預處理包括端點檢測、噪音消除和智能打斷處理；

特征提取單元，用于對經(jīng)過預處理后的所述語音信號進行特征提取，獲得所述語音信號中的語音特征；

語音識別模型構(gòu)建單元，用于預先構(gòu)建語音識別模型的步驟，所述語音識別模型包括聲學模型、字典以及語言模型；

語音識別處理單元，用于通過預先構(gòu)建的語音識別模型對所提取的語音特征進行識別，獲得文本格式的語音識別結(jié)果，并輸出。

2.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述預處理單元進一步包括：

聲道轉(zhuǎn)換單元，用于將語音數(shù)據(jù)轉(zhuǎn)換成適于聲學模型處理的數(shù)據(jù)格式，所述數(shù)據(jù)格式包括：單聲道16位16000采樣率的wav或pcm音頻；

端點檢測單元，用于對語音信號中的端點進行識別，以確定用戶說話起始和終止點；

降噪單元，用于消除背景噪聲，進行場景分析，先對語音信號進行場景類型判斷，確定場景類型后，根據(jù)不同的場景對應預設(shè)的噪聲消除方式進行噪音消除；

智能打斷單元，用于實時響應用戶最新的語音信號，根據(jù)所設(shè)置的中斷處理模式中斷當前任務或繼續(xù)當前任務。

3.如權(quán)利要求2所述的系統(tǒng)，其特征在于，所述端點檢測單元進一步包括：

接收到語音信號觸發(fā)語音識別時，根據(jù)用戶登錄信息先判斷是否有存儲對應用戶的說話習慣，若有，則根據(jù)用戶本身說話習慣對應調(diào)整后檢測參數(shù)進行端點檢測；若否，則基于通用檢測參數(shù)進行端點檢測。

4.如權(quán)利要求3所的系統(tǒng)，其特征在于，所述端點檢測單元進一步通過時域特征方法和頻域特征方法對語音信號中的端點進行識別。

5.如權(quán)利要求2所述的系統(tǒng)，其特征在于，所述智能打斷單元具體包括：

中斷模式類型設(shè)置單元，用于對于不同的用戶預先設(shè)置不同的中斷處理模式類型，所述中斷處理模式類型包括：可打斷模式和不可打斷模式；

中斷模式處理單元，用于在實時進行語音識別時，若接收到新的語音信號，則判斷當前的中斷處理模式類型；

如果當前為可打斷模式，在接收到新的語音指令時，中斷當前語音識別的響應；

如果當前為不可打斷模式，在用戶觸發(fā)語音識別處理后，等指令執(zhí)行結(jié)束才重新接收新的語音信號指令。

6.如權(quán)利要求5所述的系統(tǒng)，其特征在于，所述特征提取單元進一步用于采用線性預測編碼技術(shù)對所述經(jīng)過預處理后的語音信號進行特征提取，獲得所述語音信號中的語音特征。

7.如權(quán)利要求1至6任一項所述的系統(tǒng)，其特征在于，在所述語音識別模型構(gòu)建單元中，所述聲學模型，為每個發(fā)音建立發(fā)音模板，聲學模型是對聲學、語音學、環(huán)境的變量、說話人性別、口音的差異的知識表示；所述語言模型是對一組字序列構(gòu)成的知識表示，其是詞與詞、詞與句子的映射；字典構(gòu)建有語音與文字之間的映射關(guān)系。

8.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述語音識別模型構(gòu)建單元包括：

語音數(shù)據(jù)庫，存儲有多種語音樣本資料；

特征預提取單元，用于對語音數(shù)據(jù)庫中的語音樣本資料進行特征提取，獲得語音樣本資料所對應的語音特征；

聲學模型訓練單元，用于對所述語音特征訓練，獲得語音特征到音素的映射，形成聲學模型。

9.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述語音識別模型構(gòu)建單元包括：

文本數(shù)據(jù)庫，存儲有多種文本樣本資料；

語言模型訓練單元，用于通過對文本數(shù)據(jù)庫中的文本進行訓練獲得詞與詞、詞與句子之間的映射，形成語言模型。

10.如權(quán)利要求7所述的系統(tǒng)，所述語音識別模型構(gòu)建單元進一步包括：

字典構(gòu)建單元，用于根據(jù)所述聲學模型以及所述語言模型，構(gòu)建語音與文字之間的映射關(guān)系，形成字典。