[发明专利]语音识别方法和装置

说明书

技术领域

本申请涉及语音识别技术领域，特别涉及一种语音识别方法和装置。

背景技术

语音识别技术简要来说就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。语音识别技术主要包括声音特征提取技术、模式匹配准则及模型训练技术等方面。

目前语音识别技术已经得到快速的发展以及广泛的使用。但是，在环境噪声较大的环境下，例如在体育场等嘈杂环境下，语音识别技术的应用却受到了很大的限制。可以理解，用户说话时的背景噪声越大，语音识别的识别率就会越低。甚至受到背景噪声的影响，很多时候无法完成语音结束检测（Utterance Ending Detection），也即无法检测出用户什么时候停止说话的。

发明内容

为了解决上述问题，本发明的实施例提出了一种语音识别的方法及执行该方法的装置，可以提高噪声环境下语音识别的识别率。

本发明实施例所述的语音识别方法包括：记录客户端设备所在位置附近的背景音，并根据记录的背景音生成噪音模型；根据生成的噪音模型对来自所述客户端设备的语音文件进行降噪处理；以及对降噪后的语音文件进行语音识别得到识别后的文本。

上述记录用户所在位置附近的背景音包括：服务所述用户的边缘节点记录自身周围的背景音。

其中，上述语音文件包含时间戳；则根据记录的背景音生成噪音模型包括：所述边缘节点根据语音文件对应的时间戳查找所述时间戳所指示时间对应的背景音，根据所述背景音生成噪音模型。

上述根据记录的背景音生成噪音模型包括：边缘节点根据接收到语音文件的时间查找与所述时间对应的背景音，并根据查找到的背景音生成噪音模型。

或者，上述根据记录的背景音生成噪音模型包括：边缘节点在收到客户端上传的语音信号后开始记录背景音，并根据记录的背景音生成噪音模型。

又或者，上述根据记录的背景音生成噪音模型包括：语音识别引擎向控制服务器发送背景音记录上传请求；以及在收到控制服务器上传的背景音后，语音识别引擎根据控制服务器上传的背景音生成噪音模型。

上述根据生成的噪音模型对来自客户端设备的语音文件进行降噪处理包括：所述边缘节点根据生成的噪音模型对语音文件进行降噪处理，并对降噪处理后的语音文件进行语音输入结束检测；对降噪后的语音文件进行语音识别得到识别后的文本包括：边缘节点对语音输入结束检测处理后的语音文件进行语音识别得到识别后的文本，并将识别后的文本上传至应用服务器。

又或者，根据生成的噪音模型对来自客户端设备的语音文件进行降噪处理包括：所述边缘节点根据生成的噪音模型对语音文件进行降噪处理，对降噪处理后的语音文件进行语音输入结束检测，并将语音输入结束检测处理后的语音文件上传至语音识别引擎；对降噪后的语音文件进行语音识别得到识别后的文本包括：语音识别引擎对语音输入结束检测处理后的语音文件进行语音识别得到识别后的文本，并将识别后的文本上传至应用服务器。

再或者，根据生成的噪音模型对来自客户端设备的语音文件进行降噪处理包括：所述边缘节点根据生成的噪音模型对语音文件进行降噪处理，并将降噪处理后的语音文件上传至语音识别引擎；对降噪后的语音文件进行语音识别得到识别后的文本包括：语音识别引擎对降噪处理后的语音文件进行语音输入结束检测，对语音输入结束检测处理后的语音文件进行语音识别得到识别后的文本，并将识别后的文本上传至应用服务器。

上述根据生成的噪音模型对来自客户端设备的语音文件进行降噪处理包括：所述语音识别引擎根据生成的噪音模型对从边缘节点接收的语音文件进行降噪处理，并对降噪处理后的语音文件进行语音输入结束检测；对降噪后的语音文件进行语音识别得到识别后的文本包括：所述语音识别引擎对语音输入结束检测处理后的语音文件进行语音识别得到识别后的文本，并将识别后的文本上传至应用服务器。

上述方法在根据记录的用户所在位置附近的背景音生成噪音模型之前进一步包括：对记录的背景音进行传播损耗估计，并根据传播损耗估计结果对自身记录的背景音进行补偿。

本发明实施例所述的边缘节点包括：背景音记录模块401，用于记录自身所在位置附近的背景音。

边缘节点可以进一步包括：请求接收模块1201，用于接收来自控制服务器的背景音记录上传请求；以及背景音上传模块1202，用于将自身记录的背景音上传至控制服务器。