[發明專利]語音識別結果的處理方法、裝置、電子設備和存儲介質

有效

• 申請號: 202110533064.8
• 申請日: 2021-05-17
• 公開（公告）號: CN113241061B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 王乾坤;杜春賽;姚佳立;徐文銘;楊晶生
• 申請（專利權）人: 北京字跳網絡技術有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/187;G10L15/26
• 代理公司: 北京植德律師事務所 11780
• 代理人: 唐華東

本公開提供一種語音識別結果的處理方法、裝置、電子設備和存儲介質。該方法的一具體實施方式包括：根據目標文本和相應的目標音頻，確定目標文本中每個文字對應的至少一個讀音，其中，目標文本通過對目標音頻進行語音識別得到；根據目標文本中每個文字對應的至少一個讀音，確定目標文本中是否存在與預設詞語的讀音一致的目標內容；在確定目標文本中存在目標內容的情況下，將目標內容修改為預設詞語。該實施方式能夠提高音字對齊的準確度，進而提高語音識別文本糾錯的準確度。

技術領域

本公開的實施例涉及語音識別技術領域，具體涉及語音識別結果的處理方法、裝置、電子設備和存儲介質。

背景技術

語音識別技術(Automatic Speech Recognition，ASR)是利用超大規模語言模式識別以及自主學習技術，預測對話語境，對各類業務生成的聲音信號做集中的分析處理，實現高效的語音轉寫文字服務。

語音識別出的文本通常會存在錯誤，需要對其進行糾正。例如，對于一些專有名詞，如人名及專業術語，識別難度較大，錯誤率較高，常會映射成一些常用詞，需要將其糾正為專有名詞。現有技術中的糾錯方式存在準確率不高的問題。

因此，有必要提出一種新的對語音識別結果進行處理的技術方案。

發明內容

本公開的實施例提出了語音識別結果的處理方法、裝置、電子設備和存儲介質。

第一方面，本公開提供了一種語音識別結果的處理方法，包括：

根據目標文本和相應的目標音頻，確定目標文本中每個文字對應的至少一個讀音，其中，目標文本通過對目標音頻進行語音識別得到；

根據目標文本中每個文字對應的至少一個讀音，確定目標文本中是否存在與預設詞語的讀音一致的目標內容；

在確定目標文本中存在目標內容的情況下，將目標內容修改為預設詞語。

在一些可選的實施方式中，根據目標文本和相應的目標音頻，確定目標文本中每個文字對應的至少一個讀音，包括：

將目標文本和目標音頻輸入預先訓練的第一機器學習模型，得到目標文本中每個文字對應的至少一個讀音。

在一些可選的實施方式中，在目標文本中存在目標內容的情況下，將目標內容修改為預設詞語，包括：

根據目標內容、預設詞語以及目標內容在目標文本中的相關內容，確定是否需要對目標內容進行修改；

在確定需要對目標內容進行修改的情況下，將目標內容修改為預設詞語。

在一些可選的實施方式中，根據目標內容、預設詞語以及目標內容在目標文本中的相關內容，確定是否需要對目標內容進行修改，包括：

將目標內容、預設詞語以及目標內容在目標文本中的相關內容輸入預先訓練的第二機器學習模型，得到是否需要對目標內容進行修改的判斷結果。

在一些可選的實施方式中，根據目標文本中每個文字對應的至少一個讀音，確定目標文本中是否存在與預設詞語的讀音一致的目標內容，包括：

確定預設詞語的頻次等級，其中，頻次等級表示預設詞語在目標文本中的出現頻次或者出現概率的高低；

在預設詞語的頻次等級為第一等級的情況下，根據目標文本中每個文字對應的第一預設數目的讀音，確定目標文本中是否存在與預設詞語的讀音一致的目標內容；

在預設詞語的頻次等級為第二等級的情況下，根據目標文本中每個文字對應的第二預設數目的讀音，確定目標文本中是否存在與預設詞語的讀音一致的目標內容；

其中，第一等級高于第二等級，第一預設數目大于第二預設數目。