[發(fā)明專利]一種基于說話人向量復(fù)用的語音識別系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202011312979.8
• 申請日: 2020-11-20
• 公開（公告）號: CN112420054B
• 公開（公告）日: 2022-07-12
• 發(fā)明（設(shè)計）人: 秦艷姣
• 申請（專利權(quán)）人: 湖北第二師范學(xué)院
• 主分類號: G10L15/30
• 分類號: G10L15/30;G10L15/02
• 代理公司: 武漢知產(chǎn)時代知識產(chǎn)權(quán)代理有限公司 42238
• 代理人: 馬帥

1.一種基于說話人向量復(fù)用的語音識別系統(tǒng)的語音識別方法；該方法用于基于說話人向量復(fù)用的語音識別系統(tǒng)，其特征在于，該系統(tǒng)包括：

終端設(shè)備：用于接收說話人語音；

與所述終端設(shè)備通訊連接的說話人向量提取器，所述說話人向量提取器用于在說話人語音中提取說話人向量，以生成終端說話人向量；

說話向量云緩存器：用于存儲參照說話人向量，存儲在說話向量云緩存器的參照說話人向量為云端說話人向量；

云端語音識別服務(wù)器：分別與說話人向量提取器和說話向量云緩存器連接，用于融合終端說話人向量和云端說話人向量形成融合向量；

與所述云端語音識別服務(wù)器通訊連接的語音識別引擎，用于對融合向量進(jìn)行語音識別，并發(fā)送識別結(jié)果至所述終端設(shè)備；

該方法包括以下步驟：

S1、終端設(shè)備接收說話人語音，并向云端語音識別服務(wù)器發(fā)送語音識別請求，同時將所述說話人語音傳送至云端語音識別服務(wù)器；

S2、說話人向量提取器提取終端說話人向量，并向云端語音識別服務(wù)器返回終端說話人向量；

S3、云端語音識別服務(wù)器根據(jù)所述說話人語音在說話向量云緩存器查詢該說話人的云端說話人向量，若在說話向量云緩存器中能查詢到該說話人的云端說話人向量，則將查詢到的所述云端說話人向量傳送至云端語音識別服務(wù)器，并轉(zhuǎn)S4；否則語音識別引擎使用終端說話人向量進(jìn)行語音識別；

S4、云端語音識別服務(wù)器融合終端說話人向量和云端說話人向量，融合公式為：其中，為融合向量，t為終端設(shè)備接收語音的累積時長，T為設(shè)定時長,為終端說話人向量，為云端說話人向量；

S5、語音識別引擎根據(jù)融合后的說話人向量進(jìn)行語音識別，并將識別結(jié)果通過云端語音識別服務(wù)器返回至終端設(shè)備。

2.如權(quán)利要求1所述的基于說話人向量復(fù)用的語音識別系統(tǒng)的語音識別方法，其特征在于：所述終端設(shè)備上設(shè)有用于與云端語音識別服務(wù)器進(jìn)行語音交互的語音交互系統(tǒng)。

3.如權(quán)利要求1所述的一種基于說話人向量復(fù)用的語音識別系統(tǒng)的語音識別方法，其特征在于：步驟S1中，終端設(shè)備第一次與云端語音識別服務(wù)器進(jìn)行交互時，云端語音識別服務(wù)器給終端設(shè)備分配標(biāo)識符guid，且終端設(shè)備在后期與云端語音識別服務(wù)器進(jìn)行交互時，都會帶上所述標(biāo)識符guid。

4.如權(quán)利要求3所述的一種基于說話人向量復(fù)用的語音識別系統(tǒng)的語音識別方法，其特征在于：步驟S3中，若在說話向量云緩存器中查詢到標(biāo)識符guid的云端說話人向量為空，則在識別完所述標(biāo)識符guid的終端說話人向量后，云端語音識別服務(wù)器將終端說話人向量存儲至說話向量云緩存器中，以形成所述標(biāo)識符guid的云端說話人向量。

5.如權(quán)利要求3所述的一種基于說話人向量復(fù)用的語音識別系統(tǒng)的語音識別方法，其特征在于：步驟S5中，判斷本次終端設(shè)備接收到的說話人語音長度是否大于T，若大于T，則將融合后的說話人向量傳送至說話向量云緩存器，以替換該說話人的原有云端說話人向量；否則不更新該說話人的原有云端說話人向量。