[發明專利]一種語音識別方法、裝置、電子設備和可讀存儲介質

在審

• 申請號: 202011223168.0
• 申請日: 2020-11-05
• 公開（公告）號: CN112382281A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 楊松;紀盛
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G10L15/20
• 分類號: G10L15/20;G10L15/30;G10L19/00
• 代理公司: 北京鴻德海業知識產權代理有限公司 11412
• 代理人: 田宏賓

本申請公開了一種語音識別方法、裝置、電子設備和可讀存儲介質，涉及語音處理技術領域。本申請在進行語音識別時所采用的實現方案為：獲取待識別音頻；對所述待識別音頻進行預處理，得到第一多路音頻；對所述第一多路音頻進行喚醒檢測，在檢測到存在喚醒詞的情況下，從所述第一多路音頻中提取第二多路音頻；對所述第二多路音頻進行多路混合壓縮之后，將壓縮音頻發送至服務器以進行語音識別；接收由所述服務器返回的語音識別結果。本申請能夠簡化語音識別的步驟，提升語音識別的準確性。

技術領域

本申請涉及計算機技術領域，尤其涉及語音處理技術領域中的一種語音識別方法、裝置、電子設備和可讀存儲介質。

背景技術

隨著語音交互的普及，圍繞著語音交互的應用和產品不斷面世。由于語音交互需要在語音識別的基礎上實現，因此語音識別的準確性會間接地影響語音交互的準確性。

現有技術在進行語音識別時，通常會將用于語音識別的音頻數據處理為單路音頻，而由于單路音頻與原始音頻之間的差異較大，導致用于語音識別的音頻數據的失真較為嚴重，音頻質量較低，從而降低了語音識別的準確性。

發明內容

本申請為解決技術問題所采用的技術方案是提供一種語音識別方法，包括：獲取待識別音頻；對所述待識別音頻進行預處理，得到第一多路音頻；對所述第一多路音頻進行喚醒檢測，在檢測到存在喚醒詞的情況下，從所述第一多路音頻中提取第二多路音頻；對所述第二多路音頻進行多路混合壓縮之后，將壓縮音頻發送至服務器以進行語音識別；接收由所述服務器返回的語音識別結果。

本申請為解決技術問題所采用的技術方案是提供一種語音識別裝置，包括：獲取單元，用于獲取待識別音頻；預處理單元，用于對所述待識別音頻進行預處理，得到第一多路音頻；檢測單元，用于對所述第一多路音頻進行喚醒檢測，在檢測到存在喚醒詞的情況下，從所述第一多路音頻中提取第二多路音頻；壓縮單元，用于對所述第二多路音頻進行多路混合壓縮之后，將壓縮音頻發送至服務器以進行語音識別；接收單元，用于接收由所述服務器返回的語音識別結果。

一種電子設備，其特征在于，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行上述方法。

一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其特征在于，所述計算機指令用于使所述計算機執行上述方法。

上述申請中的一個實施例具有如下優點或有益效果：本申請能夠簡化語音識別的步驟，提升語音識別的準確性。因為采用了根據多路音頻進行語音識別的技術手段，所以克服了現有技術中使用失真嚴重、音頻質量較低的單路音頻進行語音識別所導致的語音識別的準確性較低的技術問題，實現了簡化語音識別的步驟，提升語音識別的準確性的技術效果。

上述可選方式所具有的其他效果將在下文中結合具體實施例加以說明。

附圖說明

附圖用于更好地理解本方案，不構成對本申請的限定。其中：

圖1是根據本申請第一實施例的示意圖；

圖2是根據本申請第二實施例的示意圖；

圖3是根據本申請第三實施例的示意圖；

圖4是用來實現本申請實施例的語音識別方法的電子設備的框圖。

具體實施方式

以下結合附圖對本申請的示范性實施例做出說明，其中包括本申請實施例的各種細節以助于理解，應當將它們認為僅僅是示范性的。因此，本領域普通技術人員應當認識到，可以對這里描述的實施例做出各種改變和修改，而不會背離本申請的范圍和精神。同樣，為了清楚和簡明，以下的描述中省略了對公知功能和結構的描述。