一种语音识别方法和装置制造方法及图纸

本发明专利技术实施例提供了一种语音识别方法，包括：将待识别语音拆分成多个语音段落；以并行的方式将所述多个语音段落分别进行语音识别；以及将所述多个语音段落各自的语音识别结果整合成与所述待识别语音对应的语音识别结果。将长语音数据拆分成多个语音段落，并且以并行的方式对拆分形成的多个语音段落分别进行语音识别，再将得到的多个语音识别结果整合形成与该长语音数据对应的语音识别结果。通过将长语音数据拆分长多个语音段落，可以充分利用服务器的多个计算资源同时进行语音识别，大幅提高了语音识别的效率。

A speech recognition method and device

【技术实现步骤摘要】
一种语音识别方法和装置
本专利技术涉及人工智能领域，具体涉及一种语音识别方法、识别装置、计算机设备以及计算机可读存储介质。
技术介绍
人工智能产品所实现的智能交互过程已经由刚开始的只能由用户输入文字进行交互，发展到现在的多种交互方式，其中包括语音交互。用户只需要通过语音即可实现与人工智能产品的交互，人工智能产品通过获取和识别用户的语音数据以实现交互过程。现有语音识别技术，无论是以文件的形式，还是以流的形式，大都采用顺序数据识别。但是当前的服务器CPU都是多核(服务器CPU一般32核以上)，这就造成了在识别过程中，只能利用单核CPU的能力，无法充分发挥整台服务器的能力。从而，造成了越长或越大的语音数据，识别的时间也会相应的越长，即使增加更多CPU，换更多核的CPU，也无法提高识别效率。
技术实现思路
有鉴于此，本专利技术提供了一种语音识别方法，解决了上述的语音识别效率不高的问题。根据本专利技术的一方面，本专利技术实施例提供了一种语音识别方法，包括：将待识别语音拆分成多个语音段落；以并行的方式将所述多个语音段落分别进行语音识别；以及将所述多个语音段落各自的语音识别结果整合成与所述待识别语音对应的语音识别结果。在一实施例中，所述将待识别语音拆分成多个语音段落包括：根据检测到的所述待识别语音中的语音端点拆分出所述语音段落。在一实施例中，当检测到时长大于预设时间的静音段落时，将所述静音段落的开始点和/或结束点作为所述语音端点。在一实施例中，所述根据检测到的所述待识别语音中的语音端点拆分出所述语音段落包括：当连续第一预设数量的语音帧的短时能量大于第一预设值且过零率大于第二预设值时，判断接下来是否有连续第二预设数量的语音帧的短时能量大于第三预设值且过零率大于第四预设值；当接下来有连续第二预设数量的语音帧的短时能量大于第三预设值且过零率大于第四预设值时，将所述第二预设数量的语音帧的开始帧作为一个语音段落的首端点；继续判断接下来是否有连续第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值；当接下来有连续第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值，将所述第三预设数量的语音帧的开始帧作为所述一个语音段落的尾端点；以及根据所述一个语音段落的所述首端点和所述尾端点拆分出所述一个语音段落。在一实施例中，当并没有连续所述第一预设数量的语音帧的短时能量大于第一预设值且过零率大于第二预设值时，将当前识别的语音帧向后移动第四预设数量个语音帧；和/或，当有连续第一预设数量的语音帧的短时能量大于第一预设值且过零率大于第二预设值，但接下来并没有连续第二预设数量的语音帧的短时能量大于第三预设值且过零率大于第四预设值时，将当前识别的语音帧向后移动第四预设数量个语音帧。在一实施例中，在所述判断为找到一个语音段落的首端点后，进一步包括：当接下来并没有连续所述第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值时，将当前识别的语音帧向后移动第五预设数量个语音帧，继续判断判断接下来是否有连续所述第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值。在一实施例中，所述以并行的方式将所述多个语音段落分别进行语音识别包括：将拆分出的所述多个语音段落输入线程池，其中，所述线程池中的每一个线程配置为执行对一个所述语音段落的语音识别过程。在一实施例中，其中所述线程池进一步配置为：当拆分出的所述语音段落的数量小于第一预设线程数量时，每拆分出一个所述语音段落，则创建一个线程执行对该一个所述语音段落的语音识别过程。在一实施例中，所述以并行的方式将所述多个语音段落分别进行语音识别进一步包括：当拆分出的所述语音段落的数量大于等于第一预设线程数量时，每拆分出一个所述语音段落，则将该一个所述语音段落放入任务缓冲队列；其中所述线程池进一步配置为：当有空闲线程时，使所述空闲线程从所述任务缓冲队列中取出一个所述语音段落执行语音识别过程。在一实施例中，所述线程池进一步配置为：当无法将拆分出的所述语音段落放入所述任务缓冲队列时，创建一个线程执行对该拆分出的所述语音段落的语音识别过程。在一实施例中，所述线程池进一步配置为：当拆分出的所述语音段落的数量大于等于第二预设线程数量时，拒绝执行对拆分出的所述语音段落的语音识别过程。在一实施例中，当所述语音识别过程通过集成在本地终端的语音识别引擎进行时，所述线程池所能容纳的线程数量设置为所述本地终端的处理器核芯数量；或，当所述语音识别过程通过集成在远程云端的语音识别引擎进行时，所述线程池所能容纳的线程数量设置为拆分出的所述语音段落的数量。根据本专利技术的另一方面，本专利技术一实施例提供了一种语音识别装置，包括：拆分模块，配置为将待识别语音拆分成多个语音段落；识别模块，配置为以并行的方式将所述多个语音段落分别进行语音识别；以及整合模块，配置为将所述多个语音段落各自的语音识别结果整合成与所述待识别语音对应的语音识别结果。根据本专利技术的另一方面，本专利技术一实施例提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上被所述处理器执行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上任一项所述方法的步骤。根据本专利技术的另一方面，本专利技术一实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上任一项所述方法的步骤。本专利技术实施例提供的一种语音识别方法、装置，将长语音数据拆分成多个语音段落，并且以并行的方式对拆分形成的多个语音段落分别进行语音识别，再将得到的多个语音识别结果整合形成与该长语音数据对应的语音识别结果。通过将长语音数据拆分长多个语音段落，可以充分利用服务器的多个计算资源同时进行语音识别，大幅提高了语音识别的效率。附图说明图1所示为本专利技术一实施例提供的语音识别方法的流程图。图2所示为本专利技术另一实施例提供的语音识别方法的流程图。图3所示为本专利技术另一实施例提供的语音识别方法的流程图。图4所示为本专利技术另一实施例提供的语音识别方法的流程图。图5所示为本专利技术另一实施例提供的语音识别方法的流程图。图6所示为本专利技术另一实施例提供的语音识别方法的流程图。图7所示为本专利技术一实施例提供的语音识别装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1所示为本专利技术一实施例提供的语音识别方法的流程图。如图1所示，本专利技术实施例提供的语音识别方法包括如下步骤：步骤1100：将待识别语音拆分成多个语音段落。在人工智能中常常会有语音数据，智能系统需要将语音数据识别成对应的语义并进行交互，语音识别的过程通常是在服务器中由识别引擎等实本文档来自技高网...

【技术保护点】
1.一种语音识别方法，其特征在于，包括：/n将待识别语音拆分成多个语音段落；/n以并行的方式将所述多个语音段落分别进行语音识别；以及/n将所述多个语音段落各自的语音识别结果整合成与所述待识别语音对应的语音识别结果。/n

【技术特征摘要】
1.一种语音识别方法，其特征在于，包括：
将待识别语音拆分成多个语音段落；
以并行的方式将所述多个语音段落分别进行语音识别；以及
将所述多个语音段落各自的语音识别结果整合成与所述待识别语音对应的语音识别结果。


2.根据权利要求1所述的方法，其特征在于，所述将待识别语音拆分成多个语音段落包括：
根据检测到的所述待识别语音中的语音端点拆分出所述语音段落。


3.根据权利要求2所述的方法，其特征在于，当检测到时长大于预设时间的静音段落时，将所述静音段落的开始点和/或结束点作为所述语音端点。


4.根据权利要求2所述的方法，其特征在于，所述根据检测到的所述待识别语音中的语音端点拆分出所述语音段落包括：
当连续第一预设数量的语音帧的短时能量大于第一预设值且过零率大于第二预设值时，判断接下来是否有连续第二预设数量的语音帧的短时能量大于第三预设值且过零率大于第四预设值；
当接下来有连续第二预设数量的语音帧的短时能量大于第三预设值且过零率大于第四预设值时，将所述第二预设数量的语音帧的开始帧作为一个语音段落的首端点；
继续判断接下来是否有连续第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值；
当接下来有连续第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值，将所述第三预设数量的语音帧的开始帧作为所述一个语音段落的尾端点；以及
根据所述一个语音段落的所述首端点和所述尾端点拆分出所述一个语音段落。


5.根据权利要求4所述的方法，其特征在于，进一步包括：当并没有连续所述第一预设数量的语音帧的短时能量大于第一预设值且过零率大于第二预设值时，将当前识别的语音帧向后移动第四预设数量个语音帧；和/或，
当有连续第一预设数量的语音帧的短时能量大于第一预设值且过零率大于第二预设值，但接下来并没有连续第二预设数量的语音帧的短时能量大于第三预设值且过零率大于第四预设值时，将当前识别的语音帧向后移动第四预设数量个语音帧。


6.根据权利要求4所述的方法，其特征在于，在所述判断为找到一个语音段落的首端点后，进一步包括：
当接下来并没有连续所述第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值时，将当前识别的语音帧向后移动第五预设数量个语音帧，继续判断判断接下来是否有连续所述第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值。


7.根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：宋建，陈成才，
申请(专利权)人：上海智臻智能网络科技股份有限公司，
类型：发明
国别省市：上海;31