[發明專利]語音識別的方法、裝置、存儲介質以及電子裝置

在審

• 申請號: 202110742458.4
• 申請日: 2021-06-30
• 公開（公告）號: CN115620710A
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 張卓博
• 申請（專利權）人: 青島海爾科技有限公司;海爾智家股份有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/06;G10L15/08;G10L15/26;G10L15/30
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 劉曉燕

本發明公開了一種語音識別的方法、裝置、存儲介質以及電子裝置，其中，該方法包括：獲取目標語音對應的目標文本，目標語音為與智能設備交互的語音；將目標文本以及控制指令發送給邊緣設備，控制指令用于控制邊緣設備根據目標文本確定目標應用場景，目標應用場景為目標語音對應的應用場景；獲取邊緣設備發送的目標應用場景；根據目標應用場景以及目標文本，確定目標語音的最終文本。該方法解決了相關技術中智能家居的語音識別過程中，由于用戶信息的隱私問題，無法獲取足夠的信息來進行文本識別等問題。

技術領域

本發明涉及人機交互領域，具體而言，涉及一種語音識別的方法、裝置、計算機可讀的存儲介質以及電子裝置。

背景技術

在智能家居領域，人機語音交互非常重要，其中一個重要的環節就是理解用戶的意圖，這就要把語音正確地識別為文本的ASR(Automatic Speech Recognition，自動語音識別)技術，將語音進行識別并轉換為文本，同時把文本解析為用戶的意圖，這就要求語音識別的文本的正確性。由此產生了文本糾錯模型，來提升文本的正確性。

在智能家居領域，語音通常是獨立的，并沒有上下句的關系，這使得文本糾錯模型很難提取先驗知識去糾錯，因此通常需要收集用戶信息，根據用戶信息來提高糾錯服務能力。但是由此會引發一些數據使用問題，哪些數據可以采集，哪些數據需要脫敏，非隱私數據是否足以建立有效模型等問題。

針對相關技術中，智能家居的語音識別過程中，由于用戶信息的隱私問題，無法獲取足夠的信息來進行文本識別等問題，尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種語音識別的方法、裝置、計算機可讀的存儲介質以及電子裝置，以至少解決相關技術中智能家居的語音識別過程中，由于用戶信息的隱私問題，無法獲取足夠的信息來進行文本識別等問題。

根據本發明實施例的一個實施例，提供了一種語音識別的方法，包括：獲取目標語音對應的目標文本，所述目標語音為與智能設備交互的語音；將所述目標文本以及控制指令發送給邊緣設備，所述控制指令用于控制所述邊緣設備根據所述目標文本確定目標應用場景，所述目標應用場景為所述目標語音對應的應用場景；獲取所述邊緣設備發送的所述目標應用場景；根據所述目標應用場景以及所述目標文本，確定所述目標語音的最終文本。

在一個示例性實施例中，在將所述目標文本以及控制指令發送給邊緣設備之前，所述方法還包括：建立初始分類模型，所述初始分類模型為多個應用場景的分類模型；根據所述初始分類模型以及預定信息，確定最終分類模型，所述預定信息為所述邊緣設備根據所述智能設備的使用數據以及所述初始分類模型生成的，所述預定信息包括所述初始分類模型的梯度；根據所述最終分類模型，生成所述控制指令。

在一個示例性實施例中，根據所述初始分類模型以及預定信息，確定最終分類模型，包括：第一發送步驟，將所述初始分類模型發送給所述邊緣設備；第一接收步驟，接收所述邊緣設備發送的所述梯度；更新步驟，根據所述梯度，更新所述初始分類模型；第一重復步驟，依次重復所述第一發送步驟、所述第一接收步驟以及所述更新步驟至少一次，直到更新后的所述初始分類模型的損失函數收斂，更新后的所述初始分類模型為所述最終分類模型。

在一個示例性實施例中，所述第一發送步驟包括：將所述初始分類模型以及公鑰發送給所述邊緣設備，所述第一接收步驟包括：接收所述邊緣設備發送的加密的所述梯度。

在一個示例性實施例中，在所述第一接收步驟之后，在所述更新步驟之前，所述方法還包括：獲取所述邊緣設備的位置信息，所述更新步驟包括：根據所述梯度以及所述位置信息，更新所述初始分類模型。