[发明专利]一种信息处理方法及相关产品

说明书

技术领域

本申请涉及信息处理技术领域，具体涉及一种信息处理方法及相关产品。

背景技术

随着信息技术的不断发展和人们日益增长的需求，人们对信息及时性的要求越来越高了。目前，终端对信息的获取以及处理均是基于通用处理器获得的，例如在通用处理器运行指定应用程序以实现语言的翻译以及语言的回复等等。

在实践中发现，这种基于通用处理器运行软件程序来处理信息的方式，受限于通用处理器的运行速率，特别是在通用处理器负荷较大的情况下，信息处理效率较低、时延较大。

申请内容

本申请实施例提供了一种信息计算方法及相关产品，可提升计算装置的处理速度，提高效率。

第一方面，提供一种信息处理方法，应用于计算装置内，所述计算装置包括通信单元以及运算单元，所述方法包括：

所述计算装置控制所述通信单元获取用户输入的待识别语音；

所述计算装置控制所述运算单元获取运算指令，以调用所述运算指令对所述待识别语音进行语音识别处理，从而获得所述待识别语音所对应的目标文本信息；

其中，所述运算指令为预先设置用于语音识别的指令。

在一些可能的实施例中，所述计算装置还包括寄存器单元以及控制器单元，所述计算装置控制所述运算单元获取运算指令，以调用所述运算指令对所述待识别语音进行语音识别处理，从而获得所述待识别语音所对应的目标文本信息包括：

所述计算装置控制所述控制器单元从所述寄存器单元中提取第一运算指令以及网络模型关联的第二运算指令，并发送给所述运算单元；

所述计算装置控制所述运算单元调用所述第一运算指令对所述待识别语音进行预处理，从而获得待识别的中间语音，所述预处理包括时频转换；

所述计算装置控制所述运算单元调用所述网络模型关联的第二运算指令对所述中间语音进行语音识别处理，从而获得目标文本信息；

其中，所述网络模型包括预置的神经网络模型或者非神经网络模型。

在一些可能的实施例中，所述第一运算指令为用于构成时频转换算法的指令，所述时频转换算法包括以下中的至少一项：快速傅里叶变换算法、矩形窗算法、汉明窗算法以及神经网络算法。

在一些可能的实施例中，所述调用所述网络模型关联的第二运算指令对所述中间语音进行语音识别处理，从而获得目标文本信息包括：

所述计算装置控制所述运算单元调用所述网络模型关联的第二运算指令，对所述中间语音进行语音识别，从而获得多个文本信息；

所述计算装置控制所述运算单元调用第三运算指令，分别计算所述多个文本信息各自对应的得分，以从多个得分中选取得分超过预设阈值的文本信息，作为所述目标文本信息。

在一些可能的实施例中，所述第三运算指令为排序算法关联的指令，所述排序算法包括以下中的任一项：维特比算法、束搜索算法、A*算法、WFST算法。

在一些可能的实施例中，当所述网络模型为神经网络模型时，所述神经网络模型包括以下功能层中的任一项或多项的组合：卷积运算层、池化pooling层、激活softmax层、批归一化batch normalization层以及全连接层；所述功能层是由预存的至少一个运算指令构成的。

在一些可能的实施例中，构成所述神经网络模型中的功能层以及所述功能层的数量是由用户侧或终端侧自定义设置的。

在一些可能的实施例中，所述神经网络模型包括以下中的任一项：深度神经网络DNN模型、卷积神经网络CNN模型、循环神经网络RNN模型、反向传播BP神经网络模型、长短期记忆网络LSTM模型、门重复单元GRU模型。

在一些可能的实施例中，所述非神经网络模型包括以下中的任一项：马尔科夫模型、n-gram模型以及贝叶斯模型。

在一些可能的实施例中，所述计算装置还包括数据访问单元和存储介质，

所述计算装置控制所述运算单元将所述目标文本信息发送给所述数据访问单元，以存储至所述存储介质中。

在一些可能的实施例中，所述运算单元包括通过互联模块互联的主运算模块以及多个从运算模块，所述运算指令为卷积运算指令时，

所述调用所述运算指令对所述待识别语音进行语音识别处理包括：

所述计算装置控制所述从运算模块实现卷积神经网络算法中的输入数据和卷积核的卷积运算，所述输入数据为所述待识别语音，所述卷积神经网络算法与所述卷积运算指令对应；