[發明專利]分布式語音處理系統及方法

在審

• 申請號: 202011628865.4
• 申請日: 2020-12-31
• 公開（公告）號: CN112652310A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 毛建鑫
• 申請（專利權）人: 樂鑫信息科技（上海）股份有限公司
• 主分類號: G10L15/30
• 分類號: G10L15/30;G10L15/32;G10L15/02
• 代理公司: 北京市路盛律師事務所 11326
• 代理人: 李海;金欽華

1.一種分布式語音處理系統，其特征在于，包括：

網絡中的多個節點設備，其中每個節點設備包括處理器、存儲器、通信模塊以及聲音處理模塊，且所述多個節點設備中的至少一個節點設備包括聲音采集模塊；

其中所述聲音采集模塊配置為采集音頻信號；

所述聲音處理模塊配置為對所述音頻信號進行預處理以得到第一聲音預處理結果；

所述通信模塊配置為將所述第一聲音預處理結果發送到所述網絡中的一個或多個節點設備；

所述通信模塊還配置為從所述網絡接收來自至少一個其他節點設備的一個或多個第二聲音預處理結果；及

所述聲音處理模塊還配置為基于所述第一聲音預處理結果和/或所述一個或多個第二聲音預處理結果執行語音識別。

2.根據權利要求1所述的分布式語音處理系統，其特征在于，所述通信模塊還配置為將所述第一語音識別結果發送到所述網絡中的一個或多個節點設備；

所述通信模塊還配置為從所述網絡接收來自至少一個其他節點設備的一個或多個第二語音識別結果；及

所述聲音處理模塊還配置為基于所述第一語音識別結果和所述一個或多個第二語音識別結果執行語音識別以得到最終語音識別結果。

3.根據權利要求1所述的分布式語音處理系統，其特征在于，所述第一聲音預處理結果和所述一個或多個第二聲音預處理結果的每個包括聲音特征值、聲音質量及聲音時間信息。

4.根據權利要求3所述的分布式語音處理系統，其特征在于，所述聲音特征值為所述音頻信號的MFCC特征值或PLP特征值。

5.根據權利要求3所述的分布式語音處理系統，其特征在于，所述聲音質量包括所述音頻信號的信噪比和幅度。

6.根據權利要求3所述的分布式語音處理系統，其特征在于，所述聲音時間信息包括所述音頻信號的開始時間和結束時間，或所述音頻信號的開始時間和持續時間。

7.根據權利要求3所述的分布式語音處理系統，其特征在于，所述第一聲音預處理結果和所述一個或多個第二聲音預處理結果的每個還包括所述音頻信號的遞增序號。

8.根據權利要求3所述的分布式語音處理系統，其特征在于，所述聲音處理模塊還配置為對于所述第一聲音預處理結果和所述一個或多個第二聲音預處理結果中的每個，判斷其聲音質量是否超過預定閾值，若否，則丟棄該語音預處理結果。

9.根據權利要求3所述的分布式語音處理系統，其特征在于，所述聲音處理模塊還配置為在所述第一聲音預處理結果和所述一個或多個第二聲音預處理結果中，選取一個或多個聲音質量最高的聲音預處理結果進行語音識別以得到所述第一語音識別結果。

10.根據權利要求2所述的分布式語音處理系統，其特征在于，所述聲音處理模塊還配置為對所述第一語音識別結果和所述一個或多個第二語音識別結果執行加權處理以得到所述最終語音識別結果。

11.一種分布式語音處理方法，由網絡中的節點設備執行，其特征在于，包括：

若所述節點設備包括聲音采集模塊，則執行下述步驟：

采集音頻信號；

對所述音頻信號進行預處理以得到第一聲音預處理結果；及

將所述第一聲音預處理結果發送到所述網絡中的一個或多個節點設備；

從所述網絡接收來自至少一個其他節點設備的一個或多個第二聲音預處理結果；及

基于所述第一聲音預處理結果和/或所述一個或多個第二聲音預處理結果執行語音識別。

12.根據權利要求11所述的分布式語音處理方法，其特征在于，還包括將所述第一語音識別結果發送到所述網絡中的一個或多個節點設備；

從所述網絡接收來自至少一個其他節點設備的一個或多個第二語音識別結果；及

基于所述第一語音識別結果和所述一個或多個第二語音識別結果執行語音識別以得到最終語音識別結果。