[發明專利]優化上屏效果的語音識別方法、設備、終端與存儲介質

有效

• 申請號: 202110132062.8
• 申請日: 2021-01-30
• 公開（公告）號: CN112908306B
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 范紅亮;李軼杰;梁家恩
• 申請（專利權）人: 云知聲智能科技股份有限公司;廈門云知芯智能科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及優化上屏效果的語音識別方法、設備、終端與存儲介質，該方法包括：確定用于進行語音識別的引擎；對所述引擎進行調整；其中，所述調整包括：優化所述引擎的結構延時與時間片，以降低所述引擎的響應時間；和減小所述引擎中詞典的顆粒度，以降低上屏內容的變化率；所述時間片為每次給所述引擎的數據量；基于調整后的所述引擎進行語音識別。本發明實施例的方案，從語音識別引擎角度出發，從引擎參數、模型結構、詞典顆粒度等角度，提出了優化方法，能夠降低引擎延時，并且出詞更加平滑流暢，特別在上屏應用場景中，能夠極大改善用戶體驗。

技術領域

本發明涉及上屏效果優化的技術領域，具體涉及優化上屏效果的語音識 別方法、設備、終端與存儲介質。

背景技術

在語音識別相關的上屏應用場景(如語音輸入法、帶屏類實時語音轉寫 等)中，有很多因素會影響最終的上屏效果，如：識別引擎本身的準確率、 實時率、識別引擎延時和網絡延時等。其中，除去網絡延時等外部因素，涉 及到識別引擎本身的指標主要有：識別準確率、引擎延時和流暢度等，此外 延時指標也會直接影響上屏效果的流暢度。

具體的，識別引擎各項性能都會直接影響最終的上屏效果；除了識別準 確率直接影響用戶體驗之外，上屏的流暢度體驗也是另一個非常重要的評價 指標。

在目前的語音識別上屏場景中，經常出現雖然最終識別結果正確，但是 主觀感覺上屏顯示效果不夠流暢，會有“卡頓”(響應慢)、內容“跳變”(顯 示過程不平滑)等問題，嚴重影響用戶的主觀體驗。

由此，目前需要有一種更好的方案來解決現有技術中的問題。

發明內容

本發明提供優化上屏效果的語音識別方法、設備、終端與存儲介質，能 夠解決現有技術中上屏顯示效果不夠流暢的技術問題。

本發明解決上述技術問題的技術方案如下：

本發明實施例提出了一種優化上屏效果的語音識別方法，包括：

確定用于進行語音識別的引擎；

對所述引擎進行調整；其中，所述調整包括：優化所述引擎的結構延時 與時間片，以降低所述引擎的響應時間；和減小所述引擎中詞典的顆粒度， 以降低上屏內容的變化率；所述時間片為每次給所述引擎的數據量；

基于調整后的所述引擎進行語音識別。

在一個具體的實施例中，優化所述引擎的結構延時，包括：

在滿足預設的語音識別率時，將所述引擎的右拼幀參數降低到最小。

在一個具體的實施例中，所述右拼幀參數的范圍為5-25。

在一個具體的實施例中，優化所述引擎的時間片，包括：

將所述引擎的時間片的大小設置為所述引擎的批處理大小。

在一個具體的實施例中，所述時間片的范圍為20-60ms。

在一個具體的實施例中，減小所述引擎中詞典的顆粒度，包括以下一個 或多個方式的任意組合：將多個有意義的短詞組成的詞條進行拆分、將整詞 的前預設個字作為新詞條加入所述引擎中詞典。

在一個具體的實施例中，所述詞典中的詞條的長度不超過4個字。

本發明實施例還提出了一種優化上屏效果的語音識別設備，包括：

確定模塊，用于確定用于進行語音識別的引擎；

調整模塊，用于對所述引擎進行調整；其中，所述調整包括：優化所述 引擎的結構延時與時間片，以降低所述引擎的響應時間；和減小所述引擎中 詞典的顆粒度，以降低上屏內容的變化率；所述時間片為每次給所述引擎的 數據量；

識別模塊，用于基于調整后的所述引擎進行語音識別。