[發明專利]語音識別方法和裝置、存儲介質

有效

• 申請號: 202011391048.1
• 申請日: 2020-12-02
• 公開（公告）號: CN112562681B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 余紹鵬
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/02
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙靜

1.一種語音識別方法，其特征在于，包括：

獲取待識別的多路音頻信號，其中，所述多路音頻信號包括多個方向采集到的音頻信號；

獲取所述多路音頻信號中的每路音頻信號的聲紋特征；

在所述多路音頻信號中查找所述聲紋特征與預設目標對象的目標聲紋特征匹配的目標路音頻信號；

在所述多路音頻信號中查找到所述目標路音頻信號的情況下，從所述多路音頻信號中提取出所述目標路音頻信號；

對所述目標路音頻信號進行語音識別，得到目標文字信息。

2.根據權利要求1所述的方法，其特征在于，所述在所述多路音頻信號中查找所述聲紋特征與預設目標對象的目標聲紋特征匹配的目標路音頻信號，包括：

在所述多路音頻信號為N路音頻信號的情況下，將所述每路音頻信號的聲紋特征分別與所述目標聲紋特征進行匹配，得到N個匹配結果，其中，N為大于1的自然數，每個所述匹配結果用于表示一路音頻信號為所述目標路音頻信號的置信度；

在所述N個匹配結果中的第i個匹配結果表示的置信度大于目標預設閾值的情況下，將所述N路音頻信號中與所述第i個匹配結果對應的第i路音頻信號確定為所述目標路音頻信號，其中，1≤i≤N。

3.根據權利要求2所述的方法，其特征在于，所述將所述每路音頻信號的聲紋特征分別與所述目標聲紋特征進行匹配，得到N個匹配結果，包括：

對于所述每路音頻信號，執行以下操作，得到一個匹配結果，其中，所述每路音頻信號在執行以下操作時被視為當前路音頻信號：

獲取所述當前路音頻信號的音頻特征與目標音頻特征的第一相似度；

獲取所述當前路音頻信號的音色特征與目標音色特征的第二相似度；

獲取所述當前路音頻信號的音調特征與目標音調特征的第三相似度；

根據所述第一相似度、所述第二相似度以及所述第三相似度，確定與所述當前路音頻信號對應的匹配結果；

其中，所述當前路音頻信號的聲紋特征包括所述當前路音頻信號的音頻特征、音色特征和音調特征，所述目標聲紋特征包括所述目標音頻特征、所述目標音色特征和所述目標音調特征。

4.根據權利要求3所述的方法，其特征在于，所述根據所述第一相似度、所述第二相似度以及所述第三相似度，確定與所述當前路音頻信號對應的匹配結果，包括：

在所述第一相似度大于第一預設閾值、所述第二相似度大于第二預設閾值、且所述第三相似度大于第三預設閾值的情況下，將與所述當前路音頻信號對應的匹配結果確定為用于表示所述當前路音頻信號為所述目標路音頻信號的置信度大于所述目標預設閾值。

5.根據權利要求1所述的方法，其特征在于，所述方法包括：

在所述多路音頻信號中離線查找所述聲紋特征與所述目標聲紋特征匹配的第一路音頻信號；在離線查找到所述第一路音頻信號的情況下，對所述第一路音頻信號進行離線語音識別，得到第一文字信息，并對所述第一文字信息進行離線語義識別，得到第一語義信息；

根據所述多路音頻信號，在線查找所述聲紋特征與所述目標聲紋特征匹配的第二路音頻信號；在在線查找到所述第二路音頻信號的情況下，對所述第二路音頻信號進行在線語音識別，得到第二文字信息，并對所述第二文字信息進行在線語義識別，得到第二語義信息。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

根據所述第一語義信息和所述第二語義信息，確定目標語義信息。

7.根據權利要求6所述的方法，其特征在于，所述根據所述第一語義信息和所述第二語義信息，確定目標語義信息，包括：

在所述離線語義識別被設置為優先于所述在線語義識別、且所述第一語義信息早于所述第二語義信息被獲取到的情況下，將所述第一語義信息確定為所述目標語義信息。