[發(fā)明專利]語音識(shí)別引擎適配方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011642709.3
• 申請(qǐng)日: 2020-12-31
• 公開（公告）號(hào): CN112767942B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 張獻(xiàn)濤;暴筱;林小俊;支濤
• 申請(qǐng)（專利權(quán)）人: 北京云跡科技股份有限公司
• 主分類號(hào): G10L15/26
• 分類號(hào): G10L15/26;G10L15/18
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 余菲

本申請(qǐng)?zhí)峁┮环N語音識(shí)別引擎適配方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，涉及語音交互領(lǐng)域，該方法包括：確定語音識(shí)別引擎，語音識(shí)別引擎包括語音識(shí)別模型；獲取原始訓(xùn)練語料，基于原始訓(xùn)練語料，語音識(shí)別模型及預(yù)設(shè)的轉(zhuǎn)換函數(shù)確定用于語音識(shí)別模型的增強(qiáng)訓(xùn)練語料；基于增強(qiáng)訓(xùn)練語料將語音識(shí)別模型訓(xùn)練至收斂，得到訓(xùn)練好的適配語音識(shí)別模型；將語音識(shí)別模型替換為適配語音識(shí)別模型，本申請(qǐng)所提供的語音識(shí)別引擎適配方法可以使得切換后的識(shí)別引擎具有較好的識(shí)別表現(xiàn)，同時(shí)無需對(duì)對(duì)話系統(tǒng)的其他模塊進(jìn)行調(diào)整，一定程度上降低了對(duì)切換后的語音識(shí)別引擎的適配難度。

技術(shù)領(lǐng)域

本申請(qǐng)涉及語音交互領(lǐng)域，具體而言，涉及一種語音識(shí)別引擎適配方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著數(shù)字化和智能化技術(shù)的深入發(fā)展，越來越多的智能設(shè)備應(yīng)用在人們的日常生活中。目前，智能音箱，智能手機(jī)，智能機(jī)器人等智能設(shè)備支持語音交互功能，可以通過人機(jī)語音對(duì)話實(shí)現(xiàn)控制設(shè)備、訂票、客需等功能。

智能設(shè)備用于實(shí)現(xiàn)語音交互功能的對(duì)話系統(tǒng)一般包括語音識(shí)別(AutomaticSpeech?Recognition，ASR)、語言理解(Natural?Language?Understanding,NLU)，對(duì)話管理(Dialog?Management,DM)，自然語言的生成(Natural?Language?Generating，NLG)和語音合成(Text?To?Speech,TTS)等功能模塊。其中，語音識(shí)別模塊對(duì)于語音交互功能的實(shí)現(xiàn)尤其重要，語音識(shí)別模塊如果出現(xiàn)識(shí)別錯(cuò)誤，對(duì)話系統(tǒng)的其他功能模塊即便準(zhǔn)確地完成相應(yīng)的處理，也會(huì)使得語音交互出現(xiàn)答非所問的情況，嚴(yán)重影響用戶的使用體驗(yàn)。

現(xiàn)有技術(shù)中，智能設(shè)備的對(duì)話系統(tǒng)中通常具有多種語音識(shí)別引擎(例如，谷歌語音識(shí)別引擎、科大訊飛語音識(shí)別引擎、百度語音識(shí)別引擎等)可供選擇。不同的語音識(shí)別引擎具有不同的識(shí)別表現(xiàn)。當(dāng)前，在對(duì)話系統(tǒng)中，切換語音識(shí)別引擎后，難以對(duì)切換后的語音識(shí)別引擎進(jìn)行適配，需要對(duì)對(duì)話系統(tǒng)的其他功能模塊進(jìn)行相應(yīng)的調(diào)整，才能保證切換后的語音識(shí)別引擎具有較好的識(shí)別表現(xiàn)。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的主要目的在于提供一種語音識(shí)別引擎適配方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，用以在無需對(duì)對(duì)話系統(tǒng)的其他模塊進(jìn)行調(diào)整的基礎(chǔ)上，實(shí)現(xiàn)切換后的語音識(shí)別引擎的適配，降低語音識(shí)別引擎的適配難度，同時(shí)保證切換后的語音識(shí)別引擎具有較好的識(shí)別表現(xiàn)。

本申請(qǐng)?zhí)峁┮环N語音識(shí)別引擎適配方法，所述方法包括：確定語音識(shí)別引擎，所述語音識(shí)別引擎包括語音識(shí)別模型；獲取原始訓(xùn)練語料，基于所述原始訓(xùn)練語料，所述語音識(shí)別模型及預(yù)設(shè)的轉(zhuǎn)換函數(shù)確定用于所述語音識(shí)別模型的增強(qiáng)訓(xùn)練語料；基于所述增強(qiáng)訓(xùn)練語料將所述語音識(shí)別模型訓(xùn)練至收斂，得到訓(xùn)練好的適配語音識(shí)別模型；將所述語音識(shí)別模型替換為所述適配語音識(shí)別模型。

在本申請(qǐng)實(shí)施例中，在用戶切換語音識(shí)別引擎后，通過確定語音識(shí)別引擎及其所包括的語音識(shí)別模型；獲取原始訓(xùn)練語料，并基于原始訓(xùn)練語料，語音識(shí)別模型及預(yù)設(shè)的轉(zhuǎn)換函數(shù)確定用于該語音識(shí)別模型的增強(qiáng)訓(xùn)練語料，基于增強(qiáng)訓(xùn)練語料將語音識(shí)別模型訓(xùn)練至收斂得到訓(xùn)練好的適配語音識(shí)別模型，然后將語音識(shí)別模型替換為適配語音識(shí)別模型，由此，可以使得切換后的識(shí)別引擎具有較好的識(shí)別表現(xiàn)，同時(shí)無需對(duì)對(duì)話系統(tǒng)的其他模塊進(jìn)行調(diào)整，一定程度上降低了對(duì)切換后的語音識(shí)別引擎的適配難度。

一實(shí)施例中，所述確定語音識(shí)別引擎，包括：基于用戶的選擇指令，從多個(gè)不同的語音識(shí)別引擎中確定出所述語音識(shí)別引擎，其中，不同的語音識(shí)別引擎各自的語音識(shí)別模型不同。

在本申請(qǐng)實(shí)施例中，用戶可以根據(jù)自身需求，從多個(gè)語音識(shí)別引擎中，選擇需要的語音識(shí)別引擎，對(duì)于不同場(chǎng)景，切換合適的語音識(shí)別引擎可以減小語音識(shí)別錯(cuò)誤率，提高識(shí)別效率。