[發明專利]服務器及語音識別方法

在審

• 申請號: 202110335864.9
• 申請日: 2021-03-29
• 公開（公告）號: CN113053380A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 胡帆;雷將;徐侃
• 申請（專利權）人: 海信電子科技(武漢)有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/26;G10L21/0208;G10L15/04;H04N21/472;H04N21/422
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

本申請實施例提供了一種服務器及語音識別方法，服務器被配置為：接收來自顯示設備的語音分片數據；若所述語音分片數據不是語音會話的最后一片數據，根據服務器未向語音識別服務設備發送所述語音分片數據的上一片數據，暫不發送所述語音分片數據，直到所述服務器已發送所述上一片數據，或所述上一片數據被標記為忽略狀態，再將所述語音分片數據發送給所述語音識別服務設備；若所述語音分片數據是所述最后一片數據，在所述最后一片數據之前非忽略狀態的語音分片數據均已發送，或等待的時間超過預設時間閾值時，再將已接收還未發送、且未被標記為忽略狀態的語音分片數據發送給語音識別服務設備。本申請解決了語音識別準確性低的技術問題。

技術領域

本申請涉及語音交互技術領域，尤其涉及一種服務器及語音識別方法。

背景技術

隨著人工智能在顯示設備領域的飛速發展，越來越多的顯示設備如智能電視開始支持語音控制功能，用戶可向電視輸入一個語音會話，電視可通過語義引擎對語音會話進行語義識別，從而得到用戶意圖，進而針對用戶意圖進行響應。在一些場景下，用戶輸入的語音會話為一段較長的語音，如果電視在語音接收完畢后，再通過語義引擎對語音會話進行語義識別，最終可能需要花費較長的時間才能進行響應。相關技術中，為了提高語音識別速度，電視可在用戶輸入語音會話的過程中，就實時以分片的形式將用戶語音發送給語義引擎進行語音識別，從而可提高語音交互的響應速度。然而，由于網絡波動等原因，語義引擎接收到的語音分片數據的順序可能并不是電視發送的順序，這將導致語音識別的準確性降低，降低了用戶體驗。

發明內容

為解決語音交互的準確性低的技術問題，本申請提供了一種服務器及語音識別方法。

第一方面，本申請提供了一種服務器，該服務器被配置為：

接收來自顯示設備的語音分片數據；

若所述語音分片數據不是語音會話的最后一片數據，根據服務器未向語音識別服務設備發送所述語音分片數據的上一片數據，暫不發送所述語音分片數據，直到所述服務器已發送所述上一片數據，或所述上一片數據被標記為忽略狀態，再將所述語音分片數據發送給所述語音識別服務設備；

若所述語音分片數據是所述最后一片數據，在所述最后一片數據之前的非忽略狀態的語音分片數據均已發送，或等待的時間超過預設時間閾值時，再將已接收還未發送、且未被標記為忽略狀態的語音分片數據發送給語音識別服務設備。

在一些實施例中，對于未接收到的語音分片數據，若接收到排序在后的語音分片數據的數量達到預設數量閾值，將所述未接收到的語音分片數據標記為忽略狀態。

在一些實施例中，所述服務器還被配置為：

對于未接收到且未被標記為忽略狀態的語音分片數據，若距離所述最后一片數據的順序越近，則所述語音分片數據對應的預設等待時間越大，所述預設時間閾值為全部預設等待時間中的最大值。

在一些實施例中，所述語音分片數據包括語音數據和分片參數，所述分片參數包括分片序號，所述分片序號用于確定所述語音分片數據在語音會話中的順序。

在一些實施例中，所述分片序號包括數組，所述數組包括兩個數值，所述數組的第一個數值表示所述語音分片數據在語音會話中的順序，所述數組的第二個數值表示所述語音分片數據的下一分片數據在所述語音會話中的順序。

第二方面，本申請提供了一種語音識別方法，該方法包括：

顯示設備將語音分片數據發送給服務器；

服務器接收來自顯示設備的語音分片數據；

若所述語音分片數據不是語音會話的最后一片數據，所述服務器根據未向語音識別服務設備發送所述語音分片數據的上一片數據，暫不發送所述語音分片數據，直到所述服務器已發送所述上一片數據，或所述上一片數據被標記為忽略狀態，再將所述語音分片數據發送給所述語音識別服務設備；