[發明專利]音頻識別方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110436379.0
• 申請日: 2021-04-22
• 公開（公告）號: CN113205800A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 趙晴
• 申請（專利權）人: 京東數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權代理有限公司 11662
• 代理人: 唐會娜;趙妍妍

本申請涉及一種音頻識別方法、裝置、計算機設備和存儲介質。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；根據所述音頻流采樣率獲取聲學模型的輸入控制參數，以及解碼器的解碼參數；接收音頻流片段；根據所述輸入控制參數，將所述音頻流片段輸入聲學模型，獲取得分列表；根據所述解碼參數，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果。本申請實施例中，根據接收到的音頻流采樣率，獲取聲學模型的輸入控制參數以及解碼器的解碼參數，根據聲學模型和解碼器獲得識別結果，無需根據采樣率配備多套系統，可以減少成本。

技術領域

本申請涉及數據處理領域，尤其涉及一種音頻識別方法、裝置、計算機設備和存儲介質。

背景技術

隨著技術的不斷進步，語音交互技術的應用越發的廣泛，例如智能外呼機器人、智能客服質檢等。

在語音交互過程中，為提高用戶體驗，需要及時對用戶語音輸入進行處理，以降低響應延時。比如在智能外呼場景下，就需要產品能夠準確、快速地通過語音識別服務器將該語音識別成文字信息，然后再根據自然語言處理得到用戶意圖后，作出相應的回復，從而完成一輪對話。

然而，目前對不同的應用場景，往往會有不同的語音流的需求，如外呼電話類產生的是8k音頻流，會議類產生的是16k的音頻流，不同的應用場景、應用設備，往往會有不同的音頻流產生。為了支持不同的業務，語音服務需要維護多套相似的系統，會產生大量的資源消耗和人力維護成本。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本申請提供了一種音頻識別方法、裝置、計算機設備和存儲介質。

第一方面，本申請提供了一種音頻識別方法，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；

根據所述音頻流采樣率獲取聲學模型的輸入控制參數，以及解碼器的解碼參數；

接收音頻流片段；

根據所述輸入控制參數，將所述音頻流片段輸入聲學模型，獲取得分列表；

根據所述解碼參數，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果。

本申請實施例中，所述輸入控制參數包括：預設閾值和預設數據量；

所述根據輸入控制參數，將音頻流片段輸入所述聲學模型，獲取得分列表，包括：

獲取存儲器中的所有音頻流片段；

判斷所述所有音頻流片段的總數據量是否大于預設閾值；

如果所有音頻流片段的總數據量大于預設閾值，則按照時間戳的順序從后至前，依次獲取多個音頻流片段，將多個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據量等于預設數據量，其中，所述最后一個時間戳對應的音頻流片段為當前音頻流片段；

根據所述聲學模型，獲取所述待識別音頻流對應的第一得分列表；

從所述第一得分列表中，篩選出當前音頻流片段對應的第二得分列表。

本申請實施例中，所述根據解碼參數，將得分列表輸入解碼器中，獲取識別結果，包括：

將所述第二得分列表和上一時間戳對應的解碼參數輸入所述解碼器，得到當前音頻流片段的識別結果；

所述得到當前音頻流片段的識別結果之后，所述方法還包括：

生成并存儲當前時間戳對應的解碼參數。

本申請實施例中，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；