[发明专利]语音识别方法、装置、计算机设备及存储介质

权利要求书

1.一种语音识别方法，其特征在于，所述语音识别方法包括：

若监测到坐席员的外呼操作，则获取所述坐席员外呼过程中的语音数据和所述坐席员使用的外呼设备的设备标识；

基于所述设备标识，确定所述坐席员所属的业务部门；

获取所述业务部门对应的业务文本模板，其中，所述业务文本模板包括外呼必需用语和外呼禁止用语；

对所述语音数据进行语音识别，得到实时语音文本，并将所述实时语音文本添加到当前外呼文本；

将所述实时语音文本与所述外呼禁止用语进行文本匹配，得到第一匹配结果；

若所述第一匹配结果为所述实时语音文本包含所述外呼禁止用语，则判断所述外呼禁止用语的严重程度，根据不同的所述严重程度对应的执行不同的第一预警措施。

2.如权利要求1所述的语音识别方法，其特征在于，所述对所述语音数据进行语音识别，得到实时语音文本包括：

对所述语音数据进行语音解析，得到包含基础语音帧的帧集合；

对所述基础语音帧进行静音检测，得到所述基础语音帧中的K个连续静音帧，其中，K为自然数；

根据K个所述静音帧，将所述帧集合中包含的所述基础语音帧划分成K+1个目标语音帧；

将每个所述目标语音帧转换为所述实时语音文本。

3.如权利要求2所述的语音识别方法，其特征在于，所述对所述语音数据进行语音解析，得到包含基础语音帧的帧集合包括：

对所述语音数据进行幅值归一化处理，得到基础语音信号；

对所述基础语音信号进行预加重处理，生成具有平坦频谱的目标语音信号；

按照预设的帧长和预设的帧移，对所述目标语音信号进行分帧处理，得到包含基础语音帧的帧集合。

4.如权利要求1至3的任一项所述的语音识别方法，其特征在于，所述将所述实时语音文本与所述外呼禁止用语进行文本匹配，得到第一匹配结果包括：

针对每个所述外呼禁止用语，采用文本相似度算法，计算该外呼禁止用语与所述实时语音文本之间的相似度，若所述相似度大于或等于预设的相似度阈值，则将所述实时语音文本包含该外呼禁止用语作为第一匹配结果。

5.如权利要求1至3任一项所述的语音识别方法，其特征在于，在所述将所述实时语音文本与所述外呼禁止用语进行文本匹配，得到第一匹配结果的步骤之后且在执行第一预警措施的步骤之前，所述语音识别方法还包括：

在检测到所述坐席员的外呼操作终止时，将所述当前外呼文本与所述外呼必需用语进行文本匹配，得到第二匹配结果；

若所述第二匹配结果为所述当前外呼文本不包含所述外呼必需用语，则执行第二预警措施。

6.一种语音识别装置，其特征在于，所述语音识别装置包括：

数据获取模块，用于若监测到坐席员的外呼操作，则获取所述坐席员外呼过程中的语音数据和使用的外呼设备的设备标识；

部门确定模块，用于基于所述设备标识，确定所述坐席员所属的业务部门；

模板选取模块，用于获取所述业务部门对应的业务文本模板，其中，所述业务文本模板包括外呼必需用语和外呼禁止用语；

语音识别模块，用于对所述语音数据进行语音识别，得到实时语音文本，并将所述实时语音文本添加到当前外呼文本；

第一匹配模块，用于将所述实时语音文本与所述外呼禁止用语进行文本匹配，得到第一匹配结果；

第一预警模块，用于若所述第一匹配结果为所述实时语音文本包含所述外呼禁止用语，则判断所述外呼禁止用语的严重程度，根据不同的所述严重程度对应的执行不同的第一预警措施。

7.如权利要求6所述的语音识别装置，其特征在于，所述语音识别模块包括：

语音解析单元，用于对所述语音数据进行语音解析，得到包含基础语音帧的帧集合；

静音检测单元，用于对所述基础语音帧进行静音检测，得到所述基础语音帧中的K个连续静音帧，其中，K为自然数；

帧集划分单元，用于根据K个所述静音帧，将所述帧集合中包含的所述基础语音帧划分成K+1个目标语音帧；

文本转换单元，用于将每个所述目标语音帧转换为所述实时语音文本。