本發(fā)明涉及語音識(shí)別領(lǐng)域,具體而言,涉及一種語音識(shí)別方法和裝置。
背景技術(shù):
現(xiàn)有技術(shù)中語音識(shí)別方法通過記錄文字對(duì)應(yīng)的發(fā)音以及一些常用的詞語的權(quán)重,在捕獲到要解析的語音時(shí),與文字的發(fā)音進(jìn)行對(duì)應(yīng),然后再根據(jù)一些詞語的權(quán)重進(jìn)行組合。例如當(dāng)用戶說“你好”時(shí),可以識(shí)別出是“ni”和“hao”兩個(gè)發(fā)音,可以匹配到“你好”、“擬好”、“妮號(hào)”等多個(gè)詞語,“你好”認(rèn)為是最常用的詞語,相對(duì)于其他同音的詞語,權(quán)重較高。根據(jù)詞語權(quán)重,解析到用戶說的是“你好”。
現(xiàn)有技術(shù)中語音識(shí)別方法的準(zhǔn)確度低,例如:用戶需要搜索電影《陸垚知馬俐》,用戶發(fā)出語音信號(hào)“l(fā)u yao zhi ma li”,現(xiàn)有技術(shù)根據(jù)權(quán)重,解析出發(fā)音“l(fā)u yao zhi ma li”對(duì)應(yīng)的文字為“路遙知馬力”,這就出現(xiàn)了錯(cuò)誤。
針對(duì)上述的問題,目前尚未提出有效的解決方案。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明實(shí)施例提供了一種語音識(shí)別方法和裝置,以至少解決現(xiàn)有技術(shù)中語音識(shí)別的準(zhǔn)確度低的技術(shù)問題。
根據(jù)本發(fā)明實(shí)施例的一個(gè)方面,提供了一種語音識(shí)別方法,包括:根據(jù)終端顯示屏上所顯示的內(nèi)容確定當(dāng)前場(chǎng)景;根據(jù)所述當(dāng)前場(chǎng)景調(diào)整第一詞語集合中第一子集中每個(gè)詞語的權(quán)重,其中,所述第一子集的場(chǎng)景屬性所指示的場(chǎng)景與所述當(dāng)前場(chǎng)景一致;在調(diào)整權(quán)重后的所述第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,其中,所述第二子集包括至少一個(gè)詞語;按照所述第二子集中每個(gè)詞語的權(quán)重從所述第二子集中選擇權(quán)重最大的詞語作為目標(biāo)詞語;將所述目標(biāo)詞語作為識(shí)別所述語音信號(hào)的識(shí)別結(jié)果
根據(jù)本發(fā)明實(shí)施例的另一方面,還提供了一種語音識(shí)別裝置,包括:第一確定單元,用于根據(jù)終端顯示屏上所顯示的內(nèi)容確定當(dāng)前場(chǎng)景;調(diào)整單元,用于根據(jù)所述當(dāng)前場(chǎng)景調(diào)整第一詞語集合中第一子集中每個(gè)詞語的權(quán)重,其中,所述第一子集的場(chǎng)景屬性所指示的場(chǎng)景與所述當(dāng)前場(chǎng)景一致;第一查找單元,用于在調(diào)整權(quán)重后的所述第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,其中,所述第二子集包括至少一個(gè)詞語;選擇單元,用于按照所述第二子集中每個(gè)詞語的權(quán)重從所述第二子集中選擇權(quán)重最大的詞語作為目標(biāo)詞語;第二確定單元,用于將所述目標(biāo)詞語作為識(shí)別所述語音信號(hào)的識(shí)別結(jié)果。
在本發(fā)明實(shí)施例中,根據(jù)終端顯示屏上所顯示的內(nèi)容確定當(dāng)前場(chǎng)景,當(dāng)前場(chǎng)景為用戶關(guān)注或者感興趣的場(chǎng)景,將場(chǎng)景屬性與當(dāng)前場(chǎng)景一致的第一子集中的每個(gè)詞語的權(quán)重進(jìn)行調(diào)整,以突出其重要程度,在調(diào)整權(quán)重后的第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,從第二子集中選擇權(quán)重最大的詞語作為目標(biāo)詞語,將目標(biāo)詞語作為識(shí)別語音信號(hào)的識(shí)別結(jié)果,從而得到最匹配當(dāng)前場(chǎng)景的文字,達(dá)到了提高語音識(shí)別的準(zhǔn)確度的技術(shù)效果,進(jìn)而解決了現(xiàn)有技術(shù)中語音識(shí)別的準(zhǔn)確度低的技術(shù)問題。
附圖說明
此處所說明的附圖用來提供對(duì)本發(fā)明的進(jìn)一步理解,構(gòu)成本申請(qǐng)的一部分,本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明,并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中:
圖1是根據(jù)本發(fā)明實(shí)施例的硬件環(huán)境示意圖;
圖2是根據(jù)本發(fā)明實(shí)施例的一種語音識(shí)別方法的流程圖;
圖3是根據(jù)本發(fā)明實(shí)施例的另一種語音識(shí)別方法的示意圖;
圖4是根據(jù)本發(fā)明實(shí)施例的語音識(shí)別裝置的示意圖;
圖5是根據(jù)本發(fā)明實(shí)施例的服務(wù)器的示意圖。
具體實(shí)施方式
為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案,下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例,而不是全部的實(shí)施例?;诒景l(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例,都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。
需要說明的是,本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”等是用于區(qū)別類似的對(duì)象,而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換,以便這里描述的本發(fā)明的實(shí)施例能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤?。此外,術(shù)語“包括”和“具有”以及他們的任何變形,意圖在于覆蓋不排他的包含,例如,包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元,而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。
技術(shù)術(shù)語解釋:
語音識(shí)別:自動(dòng)將語音轉(zhuǎn)換成文字,這里的語音特指人類或者其他動(dòng)物之間用來交流時(shí)發(fā)出的聲音。
詞語權(quán)重:權(quán)重是一個(gè)相對(duì)的概念,是針對(duì)某一指標(biāo)而言。某一指標(biāo)的權(quán)重是指該指標(biāo)在整體評(píng)價(jià)中的相對(duì)重要程度。詞語權(quán)重是指一個(gè)詞語相對(duì)于其他的詞語的重要程度。
根據(jù)本發(fā)明實(shí)施例,提供了一種語音識(shí)別方法的實(shí)施例。
可選地,在本實(shí)施例中,上述語音識(shí)別方法可以應(yīng)用于如圖1所示的由服務(wù)器102、終端104所構(gòu)成的硬件環(huán)境中。如圖1所示,服務(wù)器102通過網(wǎng)絡(luò)與終端104進(jìn)行連接,上述網(wǎng)絡(luò)包括但不限于:廣域網(wǎng)、城域網(wǎng)或局域網(wǎng)。用戶發(fā)出語音信號(hào),終端104接收語音信號(hào),并且將語音信號(hào)發(fā)送給語音解析模塊。語音解析模塊位于服務(wù)器102中。終端104具有顯示屏。終端104獲取終端104顯示屏上所顯示的內(nèi)容,顯示屏上所顯示的內(nèi)容可以包括至少以下之一:終端104運(yùn)行的應(yīng)用程序、終端104顯示屏顯示的文字、終端104顯示屏顯示的圖片、通話記錄、聊天內(nèi)容和終端104顯示屏顯示的網(wǎng)頁等,終端104將終端104顯示屏上所顯示的內(nèi)容發(fā)送給用戶場(chǎng)景解析模塊。用戶場(chǎng)景解析模塊中存儲(chǔ)了顯示屏上顯示的內(nèi)容與場(chǎng)景之間的對(duì)應(yīng)關(guān)系,從對(duì)應(yīng)關(guān)系中查找顯示屏當(dāng)前顯示的內(nèi)容對(duì)應(yīng)的場(chǎng)景,即當(dāng)前場(chǎng)景。用戶場(chǎng)景解析模塊將當(dāng)前場(chǎng)景信息發(fā)送給語音解析模塊。語音解析模塊存儲(chǔ)著以下內(nèi)容:1.文字發(fā)音,2.詞語列表,3.場(chǎng)景列表,4.詞語和場(chǎng)景的對(duì)應(yīng)關(guān)系。語音解析模塊接收用戶場(chǎng)景解析模塊發(fā)送的當(dāng)前場(chǎng)景信息,獲取對(duì)應(yīng)于當(dāng)前場(chǎng)景的詞語列表,將對(duì)應(yīng)于當(dāng)前場(chǎng)景的詞語列表中的詞語的權(quán)重提高,解析語音信息,根據(jù)語音信息的文字讀音以及詞語權(quán)重進(jìn)行匹配。用戶場(chǎng)景解析模塊既可以位于終端104中,也可以位于服務(wù)器102中。
根據(jù)本發(fā)明實(shí)施例,提供了一種語音識(shí)別方法,圖2是根據(jù)本發(fā)明實(shí)施例的一種語音識(shí)別方法的流程圖。如圖2所示,該方法包括以下步驟:
步驟S202,根據(jù)終端顯示屏上所顯示的內(nèi)容確定當(dāng)前場(chǎng)景。
步驟S204,根據(jù)當(dāng)前場(chǎng)景調(diào)整第一詞語集合中第一子集中每個(gè)詞語的權(quán)重,其中,第一子集的場(chǎng)景屬性所指示的場(chǎng)景與當(dāng)前場(chǎng)景一致。
步驟S206,在調(diào)整權(quán)重后的第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,其中,第二子集包括至少一個(gè)詞語。
步驟S208,按照第二子集中每個(gè)詞語的權(quán)重從第二子集中選擇權(quán)重最大的詞語作為目標(biāo)詞語。
步驟S210,將目標(biāo)詞語作為識(shí)別語音信號(hào)的識(shí)別結(jié)果。
終端可以是手機(jī)、電腦、平板電腦等。終端顯示屏上所顯示的內(nèi)容可以是終端運(yùn)行的應(yīng)用程序、終端顯示屏顯示的文字、終端顯示屏顯示的圖片、通話記錄、聊天內(nèi)容和終端顯示屏顯示的網(wǎng)頁等。
終端顯示屏上所顯示的內(nèi)容能夠表明用戶發(fā)出語音信號(hào)的同時(shí)或最近一段時(shí)間內(nèi),對(duì)終端進(jìn)行什么操作或者與其他用戶交流什么,根據(jù)用戶對(duì)終端進(jìn)行的操作和最近一段時(shí)間與其他用戶交流的內(nèi)容能夠判斷出用戶感興趣的方面,從而判斷出當(dāng)前場(chǎng)景是什么。
第一子集中每個(gè)詞語的場(chǎng)景屬性與當(dāng)前場(chǎng)景一致,因此,應(yīng)該將第一子集中的詞語的重要程度調(diào)高,可以通過調(diào)整第一子集中詞語的權(quán)重的方式突出第一子集中的詞語的重要性。
由于第一子集是第一詞語集合的子集,因此,調(diào)整第一子集中詞語的權(quán)重之后,第一詞語集合中詞語的權(quán)重也發(fā)生了改變,即進(jìn)行了調(diào)整。例如,第一詞語集合包括21個(gè)詞語,這21個(gè)詞語及其權(quán)重如表1的第一列和第二列所示。
表1
舉個(gè)例子,終端顯示屏上所顯示的內(nèi)容是一個(gè)留學(xué)咨詢的網(wǎng)頁,則可以確定當(dāng)前場(chǎng)景為留學(xué)。第一子集是{澳洲,新西蘭,留洋,名校},第一子集中的四個(gè)詞語都是與留學(xué)相關(guān)的,即這四個(gè)詞語的場(chǎng)景屬性所指示的場(chǎng)景都是留學(xué),與當(dāng)前場(chǎng)景一致。將第一子集中的每個(gè)詞語的權(quán)重都乘以1.2,得到調(diào)整后的權(quán)重。
由于第一子集為第一詞語集合的子集,調(diào)整第一子集中詞語的權(quán)重之后,第一詞語集合中的詞語的權(quán)重也就改變了,相當(dāng)于對(duì)第一詞語集合中的詞語的權(quán)重也進(jìn)行了調(diào)整,調(diào)整權(quán)重后的第一詞語集合中的詞語的權(quán)重如表1的第三列所示。
假設(shè)接收到的語音信號(hào)是“ao zhou”,則在調(diào)整權(quán)重后的第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,查找到的第二子集是{熬粥,澳洲}。其中,“熬粥”的權(quán)重是1,“澳洲”的權(quán)重是1.2,從第二子集中選擇權(quán)重最大的詞語作為目標(biāo)詞語,即選擇詞語“澳洲”作為目標(biāo)詞語,詞語“澳洲”即為識(shí)別語音信號(hào)“ao zhou”的識(shí)別結(jié)果。
在本發(fā)明實(shí)施例中,根據(jù)終端顯示屏上所顯示的內(nèi)容確定當(dāng)前場(chǎng)景,當(dāng)前場(chǎng)景為用戶關(guān)注或者感興趣的場(chǎng)景,將場(chǎng)景屬性與當(dāng)前場(chǎng)景一致的第一子集中的每個(gè)詞語的權(quán)重進(jìn)行調(diào)整,以突出其重要程度,在調(diào)整權(quán)重后的第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,從第二子集中選擇權(quán)重最大的詞語作為目標(biāo)詞語,將目標(biāo)詞語作為識(shí)別語音信號(hào)的識(shí)別結(jié)果,從而得到最匹配當(dāng)前場(chǎng)景的文字,解決了現(xiàn)有技術(shù)中在語音識(shí)別的過程中準(zhǔn)確度低的技術(shù)問題,達(dá)到了提高語音識(shí)別的準(zhǔn)確度的技術(shù)效果。
作為一種可選的實(shí)施例,第一子集的建立過程如下:獲取第一詞語集合中每個(gè)詞語的場(chǎng)景屬性;從第一詞語集合中查找場(chǎng)景屬性所指示的場(chǎng)景為當(dāng)前場(chǎng)景的詞語;將查找到的詞語的集合作為第一子集。
每個(gè)詞語都能夠?qū)?yīng)到一個(gè)或者多個(gè)場(chǎng)景,即,每個(gè)詞語的場(chǎng)景屬性可以為一個(gè)或者多個(gè)。例如,“新西蘭名?!奔瓤梢詫?duì)應(yīng)于場(chǎng)景“留學(xué)”,也可以對(duì)應(yīng)于場(chǎng)景“旅游”,即,“新西蘭名?!庇袃蓚€(gè)場(chǎng)景屬性,分別為“留學(xué)”和“旅游”。如果某個(gè)詞語的場(chǎng)景屬性與當(dāng)前場(chǎng)景一致,則這些詞語所組成的集合即為第一子集,調(diào)整第一子集中詞語的權(quán)重,以突出其重要性。
可選地,根據(jù)當(dāng)前場(chǎng)景調(diào)整第一詞語集合中第一子集中每個(gè)詞語的權(quán)重的過程如下:將第一子集中每個(gè)詞語的權(quán)重乘以預(yù)設(shè)比例系數(shù),得到調(diào)整后的權(quán)重,其中,預(yù)設(shè)比例系數(shù)大于1。
由于當(dāng)前場(chǎng)景能夠表明用戶的關(guān)注和感興趣的內(nèi)容,第一子集中詞語的場(chǎng)景屬性與當(dāng)前場(chǎng)景一致,第一子集中的詞語很可能是用戶發(fā)出的語音信號(hào)對(duì)應(yīng)的詞語,因此,第一子集中的詞語的重要性應(yīng)該給予突出。提升第一子集中的詞語的重要性的方法可以有以下兩種:
方法一、調(diào)高第一子集中每個(gè)詞語的權(quán)重,例如,將第一子集中每個(gè)詞語的權(quán)重乘以預(yù)設(shè)比例系數(shù),得到調(diào)整后的權(quán)重,其中,預(yù)設(shè)比例系數(shù)大于1;或者,將第一子集中每個(gè)詞語的權(quán)重加上預(yù)設(shè)值,得到調(diào)整后的權(quán)重,其中,預(yù)設(shè)值大于0。
方法二、降低第一詞語集合中除第一子集以外的所有詞語的權(quán)重。
可選地,根據(jù)終端顯示屏上所顯示的內(nèi)容確定當(dāng)前場(chǎng)景的過程如下:獲取預(yù)設(shè)時(shí)間段內(nèi)終端顯示屏上顯示的內(nèi)容,其中,預(yù)設(shè)時(shí)間段為第一時(shí)刻與當(dāng)前時(shí)刻之間的預(yù)設(shè)時(shí)長(zhǎng),第一時(shí)刻早于當(dāng)前時(shí)刻;根據(jù)場(chǎng)景與顯示內(nèi)容的關(guān)聯(lián)關(guān)系查找與預(yù)設(shè)時(shí)間段內(nèi)終端顯示屏上顯示的內(nèi)容相關(guān)聯(lián)的場(chǎng)景;將查找到的場(chǎng)景作為當(dāng)前場(chǎng)景。
預(yù)設(shè)時(shí)長(zhǎng)可以根據(jù)實(shí)際需要設(shè)置,例如,設(shè)置為30秒、50秒、1分鐘、2分鐘等。假設(shè)預(yù)設(shè)時(shí)長(zhǎng)為1分鐘,當(dāng)前時(shí)刻為10:35:00,則第一時(shí)刻為10:34:00,預(yù)設(shè)時(shí)間段為10:34:00至10:35:00之間的一分鐘。獲取10:34:00至10:35:00之間終端顯示屏上顯示的內(nèi)容。假設(shè)10:34:00至10:35:00之間終端運(yùn)行一個(gè)電影app,則可以確定與終端顯示屏上顯示的內(nèi)容相關(guān)聯(lián)的場(chǎng)景為電影場(chǎng)景,則當(dāng)前場(chǎng)景為電影場(chǎng)景。
數(shù)據(jù)庫中事先已經(jīng)存儲(chǔ)了多個(gè)場(chǎng)景構(gòu)成的場(chǎng)景列表,以及每個(gè)場(chǎng)景所對(duì)應(yīng)的詞語集合。假設(shè)當(dāng)前場(chǎng)景為電影場(chǎng)景,則將電影場(chǎng)景所對(duì)應(yīng)的詞語集合(第一詞語集合中第一子集)中的每個(gè)詞語的權(quán)重調(diào)高,假設(shè)將電影場(chǎng)景所對(duì)應(yīng)的詞語集合中的每個(gè)詞語的權(quán)重都乘以3(預(yù)設(shè)比例系數(shù))。假設(shè)接收到的語音信號(hào)是“l(fā)u yao zhi ma li”。在調(diào)整權(quán)重后的第一詞語集合中查找與接收到的語音信號(hào)“l(fā)u yao zhi ma li”相關(guān)聯(lián)的第二子集,假設(shè)查找到的第二子集是{路遙知馬力,陸垚知馬俐}且“路遙知馬力”的權(quán)重是1,“陸垚知馬俐”的權(quán)重是1.8,則第二子集中權(quán)重最大的詞語是“陸垚知馬俐”,“陸垚知馬俐”即為目標(biāo)詞語。將“陸垚知馬俐”作為識(shí)別語音信號(hào)“l(fā)u yao zhi ma li”的識(shí)別結(jié)果。
可選地,根據(jù)場(chǎng)景與顯示內(nèi)容的關(guān)聯(lián)關(guān)系查找與預(yù)設(shè)時(shí)間段內(nèi)終端顯示屏上顯示的內(nèi)容相關(guān)聯(lián)的場(chǎng)景的過程如下:根據(jù)場(chǎng)景與顯示內(nèi)容的關(guān)聯(lián)關(guān)系查找與終端顯示屏上顯示的元素相關(guān)聯(lián)的場(chǎng)景,其中,終端顯示屏上顯示的元素包括以下至少之一:終端運(yùn)行的應(yīng)用程序、終端顯示屏顯示的文字、終端顯示屏顯示的圖片、通話記錄、聊天內(nèi)容和終端顯示屏顯示的網(wǎng)頁。
終端顯示屏上顯示的內(nèi)容可以為以下任意一個(gè)或者多個(gè)元素:終端運(yùn)行的應(yīng)用程序、終端顯示屏顯示的文字、終端顯示屏顯示的圖片、通話記錄、聊天內(nèi)容和終端顯示屏顯示的網(wǎng)頁。這些元素都能夠表明用戶發(fā)出語音信號(hào)的同時(shí),用戶最近一段時(shí)間在對(duì)終端進(jìn)行什么操作或者最近一段時(shí)間與其他用戶交流什么,根據(jù)用戶最近一段時(shí)間對(duì)終端進(jìn)行的操作和最近一段時(shí)間與其他用戶交流的內(nèi)容能夠判斷出用戶的感興趣的方面,從而判斷出當(dāng)前場(chǎng)景是什么。
可選地,在調(diào)整權(quán)重后的第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集的過程如下:獲取語音信號(hào)序列的讀音,其中,語音信號(hào)序列包括一個(gè)或者多個(gè)語音信號(hào);按照語音信號(hào)序列的讀音對(duì)語音信號(hào)序列進(jìn)行分詞,得到N個(gè)語音信號(hào);在調(diào)整權(quán)重后的第一詞語集合中查找與第i個(gè)語音信號(hào)對(duì)應(yīng)的詞語,其中,i依次取1至N;將第i個(gè)語音信號(hào)對(duì)應(yīng)的詞語的集合作為第i個(gè)語音信號(hào)關(guān)聯(lián)的第二子集。
用戶發(fā)出的語音信息可以是一個(gè)詞語(語音信號(hào)),也可以是多個(gè)詞語(語音信號(hào)序列)。如果用戶發(fā)出的語音信息是語音信號(hào)序列,則按照語音信號(hào)序列的讀音對(duì)語音信號(hào)序列進(jìn)行分詞,得到N個(gè)語音信號(hào)。例如,用戶發(fā)出語音信號(hào)序列“wo xi huan xiao mao”,則按照讀音,對(duì)語音信號(hào)序列“wo xi huan xiao mao”進(jìn)行分詞,得到3個(gè)語音信號(hào),其中,第1個(gè)語音信號(hào)是“wo”、第2個(gè)語音信號(hào)是“xi huan”、第3個(gè)語音信號(hào)是“xiao mao”。在調(diào)整權(quán)重后的第一詞語集合中查找與第1個(gè)語音信號(hào)“wo”對(duì)應(yīng)的詞語,得到第1個(gè)語音信號(hào)關(guān)聯(lián)的第二子集,假設(shè)為{我,臥,喔,握,窩}。假設(shè)第1個(gè)語音信號(hào)關(guān)聯(lián)的第二子集中權(quán)重最大的詞語(目標(biāo)詞語)是“我”,則識(shí)別第1個(gè)語音信號(hào)是“wo”的識(shí)別結(jié)果是詞語“我”。在調(diào)整權(quán)重后的第一詞語集合中查找與第2個(gè)語音信號(hào)“xi huan”對(duì)應(yīng)的詞語,得到第2個(gè)語音信號(hào)關(guān)聯(lián)的第二子集,假設(shè)為{西環(huán),喜歡}。假設(shè)第2個(gè)語音信號(hào)關(guān)聯(lián)的第二子集中權(quán)重最大的詞語(目標(biāo)詞語)是“喜歡”,則識(shí)別第2個(gè)語音信號(hào)是“xi huan”的識(shí)別結(jié)果是詞語“喜歡”。在調(diào)整權(quán)重后的第一詞語集合中查找與第3個(gè)語音信號(hào)“xiao mao”對(duì)應(yīng)的詞語,得到第3個(gè)語音信號(hào)關(guān)聯(lián)的第二子集,假設(shè)為{小貓,小毛,小帽,小茂,笑貌,校貌}。假設(shè)第3個(gè)語音信號(hào)關(guān)聯(lián)的第二子集中權(quán)重最大的詞語(目標(biāo)詞語)是“小貓”,則識(shí)別第3個(gè)語音信號(hào)是“xiao mao”的識(shí)別結(jié)果是詞語“小貓”。識(shí)別用戶發(fā)出語音信號(hào)序列“wo xi huan xiao mao”的識(shí)別結(jié)果是“我喜歡小貓”。
圖3是根據(jù)本發(fā)明實(shí)施例的另一種語音識(shí)別方法的示意圖,如圖3所示,執(zhí)行該方法的過程如下:
用戶的設(shè)備具有屏幕(顯示屏)。用戶使用設(shè)備的語音功能時(shí),捕獲用戶的設(shè)備屏幕上的內(nèi)容(終端顯示屏上所顯示的內(nèi)容),包括屏幕上當(dāng)前顯示的內(nèi)容、屏幕上最近一段時(shí)間顯示的內(nèi)容,內(nèi)容類型包括但不限于:運(yùn)行的app、顯示的文字、顯示的網(wǎng)頁、聊天內(nèi)容、顯示的圖片、通話記錄等。
用戶的設(shè)備將設(shè)備顯示屏上所顯示的內(nèi)容發(fā)送給用戶場(chǎng)景解析模塊(位于服務(wù)器中),用戶的設(shè)備將接收到的用戶發(fā)出的語音發(fā)送給語音解析模塊(位于服務(wù)器中)。用戶場(chǎng)景解析模塊中存儲(chǔ)了顯示屏上顯示的內(nèi)容與場(chǎng)景之間的對(duì)應(yīng)關(guān)系,用戶場(chǎng)景解析模塊從對(duì)應(yīng)關(guān)系中查找顯示屏當(dāng)前顯示的內(nèi)容對(duì)應(yīng)的場(chǎng)景,即當(dāng)前場(chǎng)景。例如用戶的設(shè)備運(yùn)行的是一個(gè)電影評(píng)論的app,同時(shí)顯示的文字中也包含了“這部電影怎么樣”相關(guān)文字,可以確認(rèn)用戶當(dāng)前場(chǎng)景是一個(gè)電影場(chǎng)景。
用戶場(chǎng)景解析模塊將當(dāng)前場(chǎng)景信息發(fā)送給語音解析模塊。
語音解析模塊存儲(chǔ)著以下內(nèi)容:1.文字發(fā)音,2.詞語列表,3.場(chǎng)景列表,4.詞語和場(chǎng)景的對(duì)應(yīng)關(guān)系。場(chǎng)景列表中記錄著不同的場(chǎng)景,每個(gè)詞語都會(huì)對(duì)應(yīng)到一個(gè)或者多個(gè)場(chǎng)景。語音解析模塊接收用戶場(chǎng)景解析模塊發(fā)送的當(dāng)前場(chǎng)景信息,獲取對(duì)應(yīng)于當(dāng)前場(chǎng)景的詞語列表(第一子集)。第一子集中每個(gè)詞語的場(chǎng)景屬性與當(dāng)前場(chǎng)景一致,因此,應(yīng)該將第一子集中的詞語的重要程度調(diào)高,可以通過調(diào)整第一子集中詞語的權(quán)重的方式突出第一子集中的詞語的重要性。提升第一子集中的詞語的重要性的方法可以有以下兩種:方法一、調(diào)高第一子集中每個(gè)詞語的權(quán)重,例如,將第一子集中每個(gè)詞語的權(quán)重乘以預(yù)設(shè)比例系數(shù),得到調(diào)整后的權(quán)重,其中,預(yù)設(shè)比例系數(shù)大于1;或者,將第一子集中每個(gè)詞語的權(quán)重加上預(yù)設(shè)值,得到調(diào)整后的權(quán)重,其中,預(yù)設(shè)值大于0。方法二、降低第一詞語集合中除第一子集以外的所有詞語的權(quán)重。語音解析模塊解析語音信息,根據(jù)文字讀音以及詞語權(quán)重進(jìn)行匹配,即,在調(diào)整權(quán)重后的第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,將第二子集中權(quán)重最大的詞語作為目標(biāo)詞語,即作為語音識(shí)別的識(shí)別結(jié)果。
在本發(fā)明實(shí)施例中,用戶使用語音識(shí)別功能時(shí),會(huì)自動(dòng)根據(jù)用戶設(shè)備顯示屏上所顯示的內(nèi)容,確定對(duì)應(yīng)的場(chǎng)景,然后根據(jù)不同的場(chǎng)景,調(diào)整不同詞語的權(quán)重,解析出最匹配當(dāng)前場(chǎng)景的文字,通過對(duì)額外信息(顯示屏上所顯示的內(nèi)容)的獲取和分析,更加準(zhǔn)確地識(shí)別出語音的含義,即對(duì)應(yīng)的文字,提高用戶不同場(chǎng)景下語音識(shí)別的準(zhǔn)確率,提升用戶體驗(yàn)。
需要說明的是,對(duì)于前述的各方法實(shí)施例,為了簡(jiǎn)單描述,故將其都表述為一系列的動(dòng)作組合,但是本領(lǐng)域技術(shù)人員應(yīng)該知悉,本發(fā)明并不受所描述的動(dòng)作順序的限制,因?yàn)橐罁?jù)本發(fā)明,某些步驟可以采用其他順序或者同時(shí)進(jìn)行。其次,本領(lǐng)域技術(shù)人員也應(yīng)該知悉,說明書中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例,所涉及的動(dòng)作和模塊并不一定是本發(fā)明所必須的。
通過以上的實(shí)施方式的描述,本領(lǐng)域的技術(shù)人員可以清楚地了解到根據(jù)上述實(shí)施例的方法可借助軟件加必需的通用硬件平臺(tái)的方式來實(shí)現(xiàn),當(dāng)然也可以通過硬件,但很多情況下前者是更佳的實(shí)施方式?;谶@樣的理解,本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來,該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)(如ROM/RAM、磁碟、光盤)中,包括若干指令用以使得一臺(tái)終端設(shè)備(可以是手機(jī),計(jì)算機(jī),服務(wù)器,或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述的方法。
根據(jù)本發(fā)明實(shí)施例,還提供了一種用于實(shí)施上述語音識(shí)別方法的語音識(shí)別裝置,如圖4所示,該裝置包括:第一確定單元10、調(diào)整單元20、第一查找單元30、選擇單元40、第二確定單元50。
第一確定單元10,用于根據(jù)終端顯示屏上所顯示的內(nèi)容確定當(dāng)前場(chǎng)景。
調(diào)整單元20,用于根據(jù)當(dāng)前場(chǎng)景調(diào)整第一詞語集合中第一子集中每個(gè)詞語的權(quán)重,其中,第一子集的場(chǎng)景屬性所指示的場(chǎng)景與當(dāng)前場(chǎng)景一致。
第一查找單元30,用于在調(diào)整權(quán)重后的第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,其中,第二子集包括至少一個(gè)詞語。
選擇單元40,用于按照第二子集中每個(gè)詞語的權(quán)重從第二子集中選擇權(quán)重最大的詞語作為目標(biāo)詞語。
第二確定單元50,用于將目標(biāo)詞語作為識(shí)別語音信號(hào)的識(shí)別結(jié)果。
可選地,調(diào)整單元20包括:調(diào)整子單元。調(diào)整子單元,用于將第一子集中每個(gè)詞語的權(quán)重乘以預(yù)設(shè)比例系數(shù),得到調(diào)整后的權(quán)重,其中,預(yù)設(shè)比例系數(shù)大于1。
可選地,裝置還包括:獲取單元、第二查找單元、第三確定單元。獲取單元,用于在調(diào)整單元20根據(jù)當(dāng)前場(chǎng)景調(diào)整第一詞語集合中第一子集中每個(gè)詞語的權(quán)重之前,獲取第一詞語集合中每個(gè)詞語的場(chǎng)景屬性。第二查找單元,用于從第一詞語集合中查找場(chǎng)景屬性所指示的場(chǎng)景為當(dāng)前場(chǎng)景的詞語。第三確定單元,用于將查找到的詞語的集合作為第一子集。
可選地,第一確定單元10包括:第一獲取子單元、第一查找子單元、第一確定子單元。第一獲取子單元,用于獲取預(yù)設(shè)時(shí)間段內(nèi)終端顯示屏上顯示的內(nèi)容,其中,預(yù)設(shè)時(shí)間段為第一時(shí)刻與當(dāng)前時(shí)刻之間的預(yù)設(shè)時(shí)長(zhǎng),第一時(shí)刻早于當(dāng)前時(shí)刻。第一查找子單元,用于根據(jù)場(chǎng)景與顯示內(nèi)容的關(guān)聯(lián)關(guān)系查找與預(yù)設(shè)時(shí)間段內(nèi)終端顯示屏上顯示的內(nèi)容相關(guān)聯(lián)的場(chǎng)景。第一確定子單元,用于將查找到的場(chǎng)景作為當(dāng)前場(chǎng)景。
可選地,第一查找子單元包括查找模塊。查找模塊,用于根據(jù)場(chǎng)景與顯示內(nèi)容的關(guān)聯(lián)關(guān)系查找與終端顯示屏上顯示的元素相關(guān)聯(lián)的場(chǎng)景,其中,終端顯示屏上顯示的元素包括以下至少之一:終端運(yùn)行的應(yīng)用程序、終端顯示屏顯示的文字、終端顯示屏顯示的圖片、通話記錄、聊天內(nèi)容和終端顯示屏顯示的網(wǎng)頁。
可選地,第一查找單元30包括:第二獲取子單元、分詞子單元、第二查找子單元、第二確定子單元。第二獲取子單元,用于獲取語音信號(hào)序列的讀音,其中,語音信號(hào)序列包括一個(gè)或者多個(gè)語音信號(hào)。分詞子單元,用于按照語音信號(hào)序列的讀音對(duì)語音信號(hào)序列進(jìn)行分詞,得到N個(gè)語音信號(hào)。第二查找子單元,用于在調(diào)整權(quán)重后的第一詞語集合中查找與第i個(gè)語音信號(hào)對(duì)應(yīng)的詞語,其中,i依次取1至N。第二確定子單元,用于將第i個(gè)語音信號(hào)對(duì)應(yīng)的詞語的集合作為第i個(gè)語音信號(hào)關(guān)聯(lián)的第二子集。
根據(jù)本發(fā)明實(shí)施例,還提供了一種用于實(shí)施上述語音識(shí)別方法的服務(wù)器,如圖5所示,該服務(wù)器主要包括處理器501、顯示器503、數(shù)據(jù)接口504、存儲(chǔ)器505和網(wǎng)絡(luò)接口506,其中:
數(shù)據(jù)接口504則主要通過數(shù)據(jù)傳輸?shù)姆绞綄鬏斀o處理器501。
存儲(chǔ)器505主要用于存儲(chǔ)第一詞語集合、文字發(fā)音、場(chǎng)景列表、詞語和場(chǎng)景的對(duì)應(yīng)關(guān)系、目標(biāo)詞語。
網(wǎng)絡(luò)接口506主要用于與終端和其他服務(wù)器進(jìn)行網(wǎng)絡(luò)通信。
顯示器503主要用于顯示第一詞語集合、文字發(fā)音、場(chǎng)景列表、詞語和場(chǎng)景的對(duì)應(yīng)關(guān)系、目標(biāo)詞語。
處理器501主要用于執(zhí)行如下操作:
根據(jù)終端顯示屏上所顯示的內(nèi)容確定當(dāng)前場(chǎng)景;根據(jù)所述當(dāng)前場(chǎng)景調(diào)整第一詞語集合中第一子集中每個(gè)詞語的權(quán)重,其中,所述第一子集的場(chǎng)景屬性所指示的場(chǎng)景與所述當(dāng)前場(chǎng)景一致;在調(diào)整權(quán)重后的所述第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,其中,所述第二子集包括至少一個(gè)詞語;按照所述第二子集中每個(gè)詞語的權(quán)重從所述第二子集中選擇權(quán)重最大的詞語作為目標(biāo)詞語;將所述目標(biāo)詞語作為識(shí)別所述語音信號(hào)的識(shí)別結(jié)果。
處理器501還用于執(zhí)行:將所述第一子集中每個(gè)詞語的權(quán)重乘以預(yù)設(shè)比例系數(shù),得到調(diào)整后的權(quán)重,其中,所述預(yù)設(shè)比例系數(shù)大于1。
處理器501還用于執(zhí)行:獲取所述第一詞語集合中每個(gè)詞語的場(chǎng)景屬性;從所述第一詞語集合中查找場(chǎng)景屬性所指示的場(chǎng)景為所述當(dāng)前場(chǎng)景的詞語;將查找到的詞語的集合作為所述第一子集。
處理器501還用于執(zhí)行:獲取預(yù)設(shè)時(shí)間段內(nèi)終端顯示屏上顯示的內(nèi)容,其中,所述預(yù)設(shè)時(shí)間段為第一時(shí)刻與當(dāng)前時(shí)刻之間的預(yù)設(shè)時(shí)長(zhǎng),所述第一時(shí)刻早于所述當(dāng)前時(shí)刻;根據(jù)場(chǎng)景與顯示內(nèi)容的關(guān)聯(lián)關(guān)系查找與所述預(yù)設(shè)時(shí)間段內(nèi)所述終端顯示屏上顯示的內(nèi)容相關(guān)聯(lián)的場(chǎng)景;將查找到的場(chǎng)景作為所述當(dāng)前場(chǎng)景。
處理器501還用于執(zhí)行:根據(jù)所述場(chǎng)景與顯示內(nèi)容的關(guān)聯(lián)關(guān)系查找與所述終端顯示屏上顯示的元素相關(guān)聯(lián)的場(chǎng)景,其中,所述終端顯示屏上顯示的元素包括以下至少之一:終端運(yùn)行的應(yīng)用程序、終端顯示屏顯示的文字、終端顯示屏顯示的圖片、通話記錄、聊天內(nèi)容和終端顯示屏顯示的網(wǎng)頁。
處理器501還用于執(zhí)行:獲取語音信號(hào)序列的讀音,其中,所述語音信號(hào)序列包括一個(gè)或者多個(gè)所述語音信號(hào);按照所述語音信號(hào)序列的讀音對(duì)所述語音信號(hào)序列進(jìn)行分詞,得到N個(gè)所述語音信號(hào);在調(diào)整權(quán)重后的所述第一詞語集合中查找與第i個(gè)語音信號(hào)對(duì)應(yīng)的詞語,其中,i依次取1至N;將所述第i個(gè)語音信號(hào)對(duì)應(yīng)的詞語的集合作為所述第i個(gè)語音信號(hào)關(guān)聯(lián)的第二子集。
可選地,本實(shí)施例中的具體示例可以參考上述實(shí)施例中所描述的示例,本實(shí)施例在此不再贅述。
本發(fā)明的實(shí)施例還提供了一種存儲(chǔ)介質(zhì)。可選地,在本實(shí)施例中,上述存儲(chǔ)介質(zhì)可以用于存儲(chǔ)本發(fā)明實(shí)施例的語音識(shí)別方法的程序代碼。
可選地,在本實(shí)施例中,上述存儲(chǔ)介質(zhì)可以位于移動(dòng)通信網(wǎng)絡(luò)、廣域網(wǎng)、城域網(wǎng)或局域網(wǎng)的網(wǎng)絡(luò)中的多個(gè)網(wǎng)絡(luò)設(shè)備中的至少一個(gè)網(wǎng)絡(luò)設(shè)備。
可選地,在本實(shí)施例中,存儲(chǔ)介質(zhì)被設(shè)置為存儲(chǔ)用于執(zhí)行以下步驟的程序代碼:
S1,根據(jù)終端顯示屏上所顯示的內(nèi)容確定當(dāng)前場(chǎng)景;
S2,根據(jù)所述當(dāng)前場(chǎng)景調(diào)整第一詞語集合中第一子集中每個(gè)詞語的權(quán)重,其中,所述第一子集的場(chǎng)景屬性所指示的場(chǎng)景與所述當(dāng)前場(chǎng)景一致;
S3,在調(diào)整權(quán)重后的所述第一詞語集合中查找與接收到的語音信號(hào)相關(guān)聯(lián)的第二子集,其中,所述第二子集包括至少一個(gè)詞語;
S4,按照所述第二子集中每個(gè)詞語的權(quán)重從所述第二子集中選擇權(quán)重最大的詞語作為目標(biāo)詞語;
S5,將所述目標(biāo)詞語作為識(shí)別所述語音信號(hào)的識(shí)別結(jié)果。
可選地,在本實(shí)施例中,處理器根據(jù)存儲(chǔ)介質(zhì)中已存儲(chǔ)的程序代碼執(zhí)行:將所述第一子集中每個(gè)詞語的權(quán)重乘以預(yù)設(shè)比例系數(shù),得到調(diào)整后的權(quán)重,其中,所述預(yù)設(shè)比例系數(shù)大于1。
可選地,在本實(shí)施例中,處理器根據(jù)存儲(chǔ)介質(zhì)中已存儲(chǔ)的程序代碼執(zhí)行:獲取所述第一詞語集合中每個(gè)詞語的場(chǎng)景屬性;從所述第一詞語集合中查找場(chǎng)景屬性所指示的場(chǎng)景為所述當(dāng)前場(chǎng)景的詞語;將查找到的詞語的集合作為所述第一子集。
可選地,在本實(shí)施例中,處理器根據(jù)存儲(chǔ)介質(zhì)中已存儲(chǔ)的程序代碼執(zhí)行:獲取預(yù)設(shè)時(shí)間段內(nèi)終端顯示屏上顯示的內(nèi)容,其中,所述預(yù)設(shè)時(shí)間段為第一時(shí)刻與當(dāng)前時(shí)刻之間的預(yù)設(shè)時(shí)長(zhǎng),所述第一時(shí)刻早于所述當(dāng)前時(shí)刻;根據(jù)場(chǎng)景與顯示內(nèi)容的關(guān)聯(lián)關(guān)系查找與所述預(yù)設(shè)時(shí)間段內(nèi)所述終端顯示屏上顯示的內(nèi)容相關(guān)聯(lián)的場(chǎng)景;將查找到的場(chǎng)景作為所述當(dāng)前場(chǎng)景。
可選地,在本實(shí)施例中,處理器根據(jù)存儲(chǔ)介質(zhì)中已存儲(chǔ)的程序代碼執(zhí)行:根據(jù)所述場(chǎng)景與顯示內(nèi)容的關(guān)聯(lián)關(guān)系查找與所述終端顯示屏上顯示的元素相關(guān)聯(lián)的場(chǎng)景,其中,所述終端顯示屏上顯示的元素包括以下至少之一:終端運(yùn)行的應(yīng)用程序、終端顯示屏顯示的文字、終端顯示屏顯示的圖片、通話記錄、聊天內(nèi)容和終端顯示屏顯示的網(wǎng)頁。
可選地,在本實(shí)施例中,處理器根據(jù)存儲(chǔ)介質(zhì)中已存儲(chǔ)的程序代碼執(zhí)行:獲取語音信號(hào)序列的讀音,其中,所述語音信號(hào)序列包括一個(gè)或者多個(gè)所述語音信號(hào);按照所述語音信號(hào)序列的讀音對(duì)所述語音信號(hào)序列進(jìn)行分詞,得到N個(gè)所述語音信號(hào);在調(diào)整權(quán)重后的所述第一詞語集合中查找與第i個(gè)語音信號(hào)對(duì)應(yīng)的詞語,其中,i依次取1至N;將所述第i個(gè)語音信號(hào)對(duì)應(yīng)的詞語的集合作為所述第i個(gè)語音信號(hào)關(guān)聯(lián)的第二子集。
可選地,在本實(shí)施例中,上述存儲(chǔ)介質(zhì)可以包括但不限于:U盤、只讀存儲(chǔ)器(ROM,Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM,Random Access Memory)、移動(dòng)硬盤、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。
可選地,本實(shí)施例中的具體示例可以參考上述實(shí)施例中所描述的示例,本實(shí)施例在此不再贅述。
上述實(shí)施例中的集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí),可以存儲(chǔ)在上述計(jì)算機(jī)可讀取的存儲(chǔ)介質(zhì)中。基于這樣的理解,本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來,該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在存儲(chǔ)介質(zhì)中,包括若干指令用以使得一臺(tái)或多臺(tái)計(jì)算機(jī)設(shè)備(可為個(gè)人計(jì)算機(jī)、服務(wù)器或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。
在本發(fā)明的上述實(shí)施例中,對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重,某個(gè)實(shí)施例中沒有詳述的部分,可以參見其他實(shí)施例的相關(guān)描述。
在本申請(qǐng)所提供的幾個(gè)實(shí)施例中,應(yīng)該理解到,所揭露的客戶端,可通過其它的方式實(shí)現(xiàn)。其中,以上所描述的裝置實(shí)施例僅僅是示意性的,例如所述單元的劃分,僅僅為一種邏輯功能劃分,實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式,例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng),或一些特征可以忽略,或不執(zhí)行。另一點(diǎn),所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口,單元或模塊的間接耦合或通信連接,可以是電性或其它的形式。
所述作為分離部件說明的單元可以是或者也可以不是物理上分開的,作為單元顯示的部件可以是或者也可以不是物理單元,即可以位于一個(gè)地方,或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上??梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。
另外,在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中,也可以是各個(gè)單元單獨(dú)物理存在,也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn),也可以采用軟件功能單元的形式實(shí)現(xiàn)。
以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式,應(yīng)當(dāng)指出,對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說,在不脫離本發(fā)明原理的前提下,還可以做出若干改進(jìn)和潤(rùn)飾,這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。