语音识别方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种语音识别方法、装置、电子设备及存储介质，通过对语音数据进行端点检测，实现了语音数据的筛选，并根据端点检测结果将语音引擎的长语音识别转化为短语音识别，从而能够使得语音识别服务和语音引擎之间的线路实现多路复用，提高了语音引擎的利用率；根据语音识别状态对语音数据进行缓存或语音识别，通过语音引擎对缓存数据的识别，解决了不同语音识别状态导致的语音引擎识别数据遗漏的问题，提高了语音数据识别结果的全面性。提高了语音数据识别结果的全面性。提高了语音数据识别结果的全面性。

【技术实现步骤摘要】
语音识别方法、装置、电子设备及存储介质


[0001]本申请涉及语音数据处理
，尤其涉及一种语音识别方法、装置、电子设备及存储介质。

技术介绍

[0002]在基于语音交互的人工智能应用场景中，接收到语音数据的语音识别服务器会通过长连接向语音引擎发送语音数据，语音引擎实时地将语音数据转化为文本内容并将文本内容发送到语音识别服务器，其中，语音引擎在转化过程中可以对文本内容进行语义处理。
[0003]通常，为了保证语音数据识别为文本内容的效果，语音识别服务器需要配置最大交互数量的线路数来进行支持与语音引擎的数据传输。但是，语音交互场景中的语音数据中存在短时间的停顿或长时间的停顿，停顿会导致语音引擎的资源浪费，而语音引擎会根据与语音识别服务器的最大连接数进行资源统计，同时语音引擎支持的线路数越高，语音识别服务器配置要求也会对应增加，增加了语音识别的资源占用。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种语音识别方法、装置、电子设备及存储介质，用以解决或部分解决上述技术问题。
[0005]基于上述目的，本申请的第一方面提供了一种语音识别方法，包括：
[0006]接收语音数据；
[0007]对所述语音数据进行端点检测，得到端点检测结果；
[0008]获取语音引擎的连接状态，其中，所述语音引擎被配置为识别所述语音数据；
[0009]根据所述端点检测结果和所述连接状态设置语音识别状态；
[0010]根据所述语音识别状态对所述语音数据进行缓存或语音识别。
[0011]本申请的第二方面提供了一种语音识别装置，包括：
[0012]接收模块，被配置为接收语音数据；
[0013]检测模块，被配置为对所述语音数据进行端点检测，得到端点检测结果；
[0014]获取模块，被配置为获取语音引擎的连接状态，其中，所述语音引擎被配置为识别所述语音数据；
[0015]设置模块，被配置为根据所述端点检测结果和所述连接状态设置语音识别状态；
[0016]识别模块，被配置为根据所述语音识别状态对所述语音数据进行缓存或语音识别。
[0017]本申请的第三方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本申请第一方面提供的所述的方法。
[0018]本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行本申请第一方面提供的所述方法。
[0019]从上面所述可以看出，本申请提供的语音识别方法、装置、电子设备及存储介质，通过对语音数据进行端点检测，实现了语音数据的筛选，并根据端点检测结果将语音引擎的长语音识别转化为短语音识别，从而能够使得语音识别服务和语音引擎之间的线路实现多路复用，提高了语音引擎的利用率；根据语音识别状态对语音数据进行缓存或语音识别，通过语音引擎对缓存数据的识别，解决了不同语音识别状态导致的语音引擎识别数据遗漏的问题，提高了语音数据识别结果的全面性。
附图说明
[0020]为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1a为本申请实施例的语音识别方法的流程示意图；
[0022]图1b为本申请实施例的另一种语音识别方法的流程示意图；
[0023]图2为本申请实施例的语音识别装置的结构示意图；
[0024]图3为本申请实施例的电子设备的结构示意图。
具体实施方式
[0025]为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
[0026]需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0027]如
技术介绍
所述，基于语音交互的人工智能应用可以有如下场景：
[0028](1)人机交互：用户和机器人进行对话，语音识别服务器对用户单方说话的内容进行语音识别，用户说完话以后，机器人根据对应的意图进行反馈，包括机器人的操作反馈和语音反馈，在机器人的反馈时间内，语音识别服务器和语音引擎依旧保持连接并接收用户说话的语音数据，上述保持连接过程存在浪费语音引擎资源的情况，经过测试，单个用户实际语音识别时间占比约39％。
[0029](2)人机协作：用户和用户进行沟通的过程中，语音识别服务器对双方说话的内容进行语音识别，例如，呼叫中心座席接听用户的电话，双方沟通的过程中，一方说完话会等待另外一方进行反馈，这个时候等待方的语音引擎保持连接并接受人说话的语音内容，保持连接的过程存在浪费语音引擎资源的情况，经过对2人通话过程的测试，实际总连接的语音识别时间占比约77％左右。
[0030]以上2个场景中，用户说话的时候，中途可能会有短时间的停顿或长时间的停顿，停顿会导致语音引擎的资源浪费。
[0031]通常，通过语音引擎对语音数据进行语音识别的占用资源是比较高的，语音引擎会根据支持的最大连接数进行资源统计，同时语音引擎与语音识别服务器之间的线路数越高，语音识别服务器配置要求也会对应增加，这些都会增加语音识别服务器的资源数量。
[0032]在相关技术中，将语音识别服务器和语音引擎之间的长语音识别调整为短语音识别，通过短语音识别实现对语音识别服务器和语音引擎之间的线路进行多路复用，短语音识别能够提高语音引擎的利用率。
[0033]这样做带来的问题有：短语音识别的效果完全依赖于端点检测模型的准确率：1.前端点检测过于灵敏，导致语音识别结束后马上开始，实际上短连接之间的间隔基本没有，还是对语音线路进行了占用；2.前端点检测不灵敏，导致语音识别结果中语音开始端点的语音数据的识别出现漏字的情况，无法正常进行后续的语义操作。
[0034]因此，为了提高语音数据识别的全面性，需要提出一种基于端点检测的能够适时建立语音引擎连接的语音识别方法。
[0035]如图1a所示，本实施例的方法包括：
[0036]步骤101，接收语音数据。
[0037]在该步骤中，语音数据指的是包括能够本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语音识别方法，其特征在于，包括：接收语音数据；对所述语音数据进行端点检测，得到端点检测结果；获取语音引擎的连接状态，其中，所述语音引擎被配置为识别所述语音数据；根据所述端点检测结果和所述连接状态设置语音识别状态；根据所述语音识别状态对所述语音数据进行缓存或语音识别。2.根据权利要求1所述的方法，其特征在于，所述根据所述端点检测结果和语音引擎连接状态设置语音识别状态，包括：获取所述端点检测结果中的语音开始端点和语音结束端点的存在状态；根据所述存在状态和所述连接状态设置所述语音识别状态。3.根据权利要求2所述的方法，其特征在于，所述根据所述存在状态和所述连接状态设置所述语音识别状态，包括：响应于确定所述存在状态为所述语音数据中不存在所述语音开始端点和所述语音结束端点且所述连接状态为未连接，将所述语音识别状态设置为等待开始状态；响应于确定所述存在状态为所述语音数据中存在所述语音开始端点且所述连接状态为未连接，将所述语音识别状态设置为识别开始状态；响应于确定所述存在状态为所述语音数据中存在所述语音开始端点且所述连接状态为已连接，将所述语音识别状态设置为识别进行状态；响应于确定所述存在状态为所述语音数据中不存在所述语音开始端点和所述语音结束端点且所述连接状态为已连接，将所述语音识别状态设置为识别保持状态；响应于确定所述存在状态为所述语音数据中存在语音结束端点且所述连接状态为已连接，将所述语音识别状态设置为识别结束状态。4.根据权利要求3所述的方法，其特征在于，所述根据所述语音识别状态对所述语音数据进行缓存或语音识别，包括：响应于确定所述语音识别状态为等待开始状态，根据预先设置的缓存时间对所述语音数据进行缓存，得到第一缓存数据；响应于确定所述语音识别状态为识别开始状态，根据所述语音开始端点对应的第一时间点和所述已连接状态对应的第二时间点对所述语音数据进行缓存，得到第二缓存数据；响应于确定所述语音识别状态为识别进行状态，对所述第一缓存数据、所述第二缓存...

【专利技术属性】
技术研发人员：李杭泰，
申请(专利权)人：贵州小爱机器人科技有限公司，
类型：发明
国别省市：