[發明專利]一種語音識別處理方法與裝置

在審

• 申請號: 202011560150.X
• 申請日: 2020-12-25
• 公開（公告）號: CN112542169A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 陳姿
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/30;G10L15/10
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 崔曉嵐;張穎玲

1.一種語音識別處理方法，其特征在于，包括：

針對多個語音指令中任意兩個先后接收到的第一語音指令和第二語音指令，執行以下處理：

確定所述第一語音指令與所述第二語音指令的相似度；

當所述相似度超過相似度閾值時，確定所述第一語音指令為錯誤識別指令。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

將所述錯誤識別指令以及對應的語音識別結果組合為負樣本；

獲取基于所述負樣本更新的語音識別模型；

基于所述更新的語音識別模型識別新接收的語音識別指令，以輸出對應的語音識別結果。

3.根據權利要求2所述方法，其特征在于，所述獲取基于所述負樣本更新的語音識別模型，包括：

將所述負樣本上傳至區塊鏈網絡的狀態數據庫中進行存儲；

調用所述區塊鏈網絡中的智能合約，以使所述智能合約執行以下處理：

根據上傳的所述負樣本的數量，生成虛擬資源的憑證；

其中，所述虛擬資源的憑證用于請求更新的語音識別模型的使用權限；

基于所述虛擬資源獲取所述更新的語音識別模型。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述當所述相似度超過相似度閾值時，確定所述第一語音指令為錯誤識別指令，包括：

確定所述第一語音指令與所述第二語音指令的接收時間間隔；

當所述接收時間間隔小于所述間隔閾值、且所述相似度超過所述相似度閾值時，確定所述第一語音指令為錯誤識別指令。

5.根據權利要求1所述的方法，其特征在于，所述確定所述第一語音指令與所述第二語音指令的相似度，包括：

確定所述第一語音指令的短時能量，將所述第一語音指令的短時能量映射為余弦相似度中的第一向量；

確定所述第二語音指令的短時能量，將所述第二語音指令的短時能量映射為所述余弦相似度中的第二向量；

將所述余弦相似度中的第一向量與所述余弦相似度中的第二向量的相似度，作為所述第一語音指令與所述第二語音指令的相似度。

6.根據權利要求5所述的方法，其特征在于，所述確定第一語音指令的短時能量，包括：

對所述第一語音指令進行采樣，得到多個第一語音采樣點；

對所述多個第一語音采樣點進行加窗分幀處理，得到多個語音幀；

將每個所述語音幀中的所述第一語音采樣點對應的幅值的平方和，作為每個所述語音幀的短時能量；

將所述第一語音指令中的每個所述語音幀的短時能量，作為所述第一語音指令的短時能量的分量；

將多個所述分量進行整合處理，得到所述第一語音指令的短時能量。

7.根據權利要求6所述的方法，其特征在于，在所述對所述多個第一語音采樣點進行加窗分幀處理，得到多個語音幀之后，所述方法還包括：

獲取所述短時能量閾值；

當所述語音幀的短時能量小于所述短時能量閾值時，確定所述語音幀為靜音幀，并將所述語音幀去除。

8.根據權利要求6所述的方法，其特征在于，在所述對所述第一語音指令進行采樣，得到多個第一語音采樣點之后，所述方法還包括：

對所述多個第一語音采樣點進行預加重處理，得到預加重后的第一語音采樣點；

對所述加重后的第一語音采樣點進行濾波處理，得到用于進行所述加窗分幀處理的所述第一語音采樣點。

9.根據權利要求6所述的方法，其特征在于，在所述對所述第一語音指令進行采樣，得到多個第一語音采樣點之后，所述方法還包括：

獲取所述多個第一語音采樣點對應的幅值的最大絕對值；

根據所述最大絕對值，確定移動位數；

針對每個所述第一語音采樣點，將所述第一語音采樣點對應的幅值的小數點向左移動所述移動位數，以得到用于進行所述加窗分幀處理的所述第一語音采樣點。

10.一種語音識別處理裝置，其特征在于，包括：

處理模塊，用于針對多個語音指令中任意兩個先后接收到的第一語音指令和第二語音指令，執行以下處理：

確定所述第一語音指令與所述第二語音指令的相似度；

當所述相似度超過相似度閾值時，確定所述第一語音指令為錯誤識別指令。