[發(fā)明專利]音頻識別方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110436379.0
• 申請日: 2021-04-22
• 公開（公告）號: CN113205800A
• 公開（公告）日: 2021-08-03
• 發(fā)明（設(shè)計(jì)）人: 趙晴
• 申請（專利權(quán)）人: 京東數(shù)字科技控股股份有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/04;G10L19/16;G10L25/51
• 代理公司: 北京華夏泰和知識產(chǎn)權(quán)代理有限公司 11662
• 代理人: 唐會(huì)娜;趙妍妍

1.一種音頻識別方法，其特征在于，所述方法包括：

接收音頻流信息，所述音頻流信息中包括：音頻流采樣率；

根據(jù)所述音頻流采樣率獲取聲學(xué)模型的輸入控制參數(shù)，以及解碼器的解碼參數(shù)；

接收音頻流片段；

根據(jù)所述輸入控制參數(shù)，將所述音頻流片段輸入聲學(xué)模型，獲取得分列表；

根據(jù)所述解碼參數(shù)，將所述得分列表輸入解碼器中，獲取所述音頻流片段的識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述輸入控制參數(shù)包括：預(yù)設(shè)閾值和預(yù)設(shè)數(shù)據(jù)量，

所述根據(jù)輸入控制參數(shù)，將音頻流片段輸入所述聲學(xué)模型，獲取得分列表，包括：

獲取存儲(chǔ)器中的所有音頻流片段；

判斷所述所有音頻流片段的總數(shù)據(jù)量是否大于預(yù)設(shè)閾值；

如果所有音頻流片段的總數(shù)據(jù)量大于預(yù)設(shè)閾值，則按照時(shí)間戳的順序從后至前，依次獲取多個(gè)音頻流片段，將多個(gè)音頻流片段的總和作為所述待識別音頻流，使所述待識別音頻流的總數(shù)據(jù)量等于預(yù)設(shè)數(shù)據(jù)量，其中，所述最后一個(gè)時(shí)間戳對應(yīng)的音頻流片段為當(dāng)前音頻流片段；

根據(jù)所述聲學(xué)模型，獲取所述待識別音頻流對應(yīng)的第一得分列表；

從所述第一得分列表中，篩選出當(dāng)前音頻流片段對應(yīng)的第二得分列表。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)解碼參數(shù)，將得分列表輸入解碼器中，獲取識別結(jié)果，包括：

將所述第二得分列表和上一時(shí)間戳對應(yīng)的解碼參數(shù)輸入所述解碼器，得到當(dāng)前音頻流片段的識別結(jié)果；

所述得到當(dāng)前音頻流片段的識別結(jié)果之后，所述方法還包括：

生成并存儲(chǔ)當(dāng)前時(shí)間戳對應(yīng)的解碼參數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述接收音頻流信息之前，所述方法還包括：

接收長連接申請；

根據(jù)所述長連接申請，建立與用戶端之間的長連接；

接收所述用戶端通過所述長連接發(fā)送的驗(yàn)證信息；

根據(jù)所述驗(yàn)證信息對所述用戶端進(jìn)行身份驗(yàn)證，如果驗(yàn)證通過，則允許接收所述音頻流信息。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，首次接收的音頻流信息中還包括單次傳輸數(shù)據(jù)量，

所述根據(jù)音頻流采樣率獲取聲學(xué)模型的輸入控制參數(shù)和解碼器的解碼參數(shù)，包括：

根據(jù)音頻流采樣率和單次傳輸數(shù)據(jù)量，得到初始化解碼參數(shù)；

根據(jù)音頻流采樣率和單次傳輸數(shù)據(jù)量，獲取預(yù)設(shè)閾值和預(yù)設(shè)數(shù)據(jù)量。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述接收音頻流片段之后，所述將音頻流片段輸入聲學(xué)模型之前，所述方法還包括：

將所述音頻流片段存儲(chǔ)至存儲(chǔ)器，存儲(chǔ)的所述音頻流片段中攜帶時(shí)間戳。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，如果所有音頻預(yù)設(shè)數(shù)據(jù)量片段的總數(shù)據(jù)量小于等于預(yù)設(shè)閾值，則所述方法還包括：

將存儲(chǔ)器中的所有音頻流片段作為待識別音頻流；

根據(jù)所述聲學(xué)模型，獲取所述待識別音頻流對應(yīng)的第三得分列表；

將所述第三得分列表和初始化解碼參數(shù)輸入解碼器，得到所述待識別音頻流的識別結(jié)果，將所述待識別音頻流的識別結(jié)果作為當(dāng)前音頻流片段的識別結(jié)果；

初始化解碼參數(shù)。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

判斷接收到的所有音頻流片段的識別結(jié)果是否已經(jīng)發(fā)送結(jié)束；

若已發(fā)送結(jié)束，則判斷是否接收到用戶端發(fā)送的音頻流傳輸結(jié)束標(biāo)志；

若已接收到所述音頻流傳輸結(jié)束標(biāo)志，則斷開與所述用戶端之間的長連接。

9.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取存儲(chǔ)器中的所有音頻流片段之前，所述方法還包括：

判斷接收到的音頻流片段是否為靜音片段；

如果不是靜音片段，則判斷所述音頻流片段是否完整；

如果完整，則將所述音頻流片段存儲(chǔ)至所述存儲(chǔ)器中。