[發明專利]流式語音識別結果顯示方法、裝置、電子設備和存儲介質

有效

• 申請號: 202011295751.2
• 申請日: 2020-11-18
• 公開（公告）號: CN112382278B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 邵俊堯;錢勝
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G10L15/04
• 分類號: G10L15/04;G10L15/22;G10L15/16
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 韓?；?/td>

本申請公開了一種流式語音識別結果顯示方法、裝置、電子設備和存儲介質，涉及語音技術、深度學習技術和自然語言處理技術領域。具體實現方案為：獲取輸入的音頻流的多個連續語音片段，并將多個連續語音片段之中的目標語音片段的末尾處模擬成句尾，其中，句尾用于表示音頻流輸入結束；在當前待識別語音片段為目標語音片段時，基于第一特征提取方式對當前待識別語音片段進行特征提??；在當前待識別語音片段為非目標語音片段時，基于第二特征提取方式對當前待識別語音片段進行特征提??；將對當前待識別語音片段提取得到的特征序列，輸入至流式多級的截斷注意力模型，獲得實時識別結果并顯示。本申請可以提升流式語音識別結果的上屏顯示效果。

技術領域

本申請涉及計算機技術領域，尤其涉及語音技術、深度學習技術和自然語言處理技術領域，具體涉及一種流式語音識別結果顯示方法、裝置、電子設備和存儲介質。

背景技術

語音識別是指通過計算機將語音信號轉換為對應的文本的過程，是實現人與機器交互的主要途徑之一。實時語音識別是指針對接收到的連續語音，對語音的各個片段進行識別，從而可以實時地獲得識別結果，而不需要等待全部語音輸入完畢之后才開始識別過程。在大規模詞匯量的在線連續語音識別中，影響系統性能的關鍵因素是系統的識別精度和響應速度。例如，在用戶期望在說話的同時能夠看到識別結果實時展現的場景中，需要語音識別系統在保持高識別率的同時，及時快速地對話音信號進行解碼并輸出識別結果。然而，相關技術中，實時語音識別結果的上屏顯示效果往往存在上屏顯示速度慢或顯示的語音識別結果不準確等問題。

發明內容

本申請提供了一種流式語音識別結果顯示方法、裝置、電子設備以及存儲介質。

根據本申請的第一方面，提供了一種流式語音識別結果顯示方法，包括：

獲取輸入的音頻流的多個連續語音片段，將所述多個連續語音片段之中的目標語音片段的末尾處模擬成句尾，其中，所述句尾用于表示所述音頻流輸入結束；

在所述當前待識別語音片段為所述目標語音片段時，基于第一特征提取方式對所述當前待識別語音片段進行特征提??；

在所述當前待識別語音片段為非目標語音片段時，基于第二特征提取方式對所述當前待識別語音片段進行特征提??；

將對所述當前待識別語音片段提取得到的特征序列，輸入至流式多級的截斷注意力模型，獲得實時識別結果并顯示。

根據本申請的第二方面，提供了一種流式語音識別結果顯示裝置，包括：

第一獲取模塊，用于獲取輸入的音頻流的多個連續語音片段；

模擬模塊，用于將所述多個連續語音片段之中的目標語音片段的末尾處模擬成句尾，其中，所述句尾用于表示所述音頻流輸入結束；

特征提取模塊，用于在所述當前待識別語音片段為所述目標語音片段時，基于第一特征提取方式對所述當前待識別語音片段進行特征提取，并在所述當前待識別語音片段為非目標語音片段時，基于第二特征提取方式對所述當前待識別語音片段進行特征提??；

語音識別模塊，用于將對所述當前待識別語音片段提取得到的特征序列，輸入至流式多級的截斷注意力模型，獲得實時識別結果并顯示。

根據本申請的第三方面，提供了一種電子設備，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本申請第一方面實施例所述的流式語音識別結果顯示方法。

根據本申請的第四方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行本申請第一方面實施例所述的流式語音識別結果顯示方法。