[发明专利]语音识别方法及装置

说明书

本发明实施例公开了一种语音识别方法及装置，涉及智能语音识别技术领域，本发明实施例的一个目的在于解决现有技术中存在误识别指令词的问题。本发明实施例的方法主要包括：在确定播放语音的文本中包含相似词时，获取所述相似词对应的播放时间段，所述相似词为与智能终端的预设的指令词发音相似的词；在所述播放时间段内提高所述智能终端的识别阈值；在所述智能终端计算出所述播放时间段内接收的声音为指令词的概率高于提高后的识别阈值时，确定所述声音为指令词。本发明实施例主要适用于识别指令词的场景中。

技术领域

本发明实施例涉及智能语音识别技术领域，尤其涉及一种语音识别方法及装置。

背景技术

语音识别技术是通过人机交互，让设备终端通过识别和理解把用户的语音转变为相应的文本或命令的智能技术。语音发出指令相对于手动输入信息，大大增加了用户操作的便利性。故而，利用语音代替手动输入和设备终端进行交流，是未来智能终端发展的趋势。

当前的智能可穿戴设备、移动终端、智能音响等智能终端都具有语音识别功能，包括智能终端处于待机状态下，用户通过说出对应的指令词来唤醒智能终端；或智能终端处于工作状态下，用户通过说出对应的指令词来控制智能终端执行对应的操作。因此可以看出，在智能终端通过语音识别用户下达的命令的过程中，较为重要的一项技术就是判断接收到的声音中是否包含了指令词。现有的语音识别技术是对采集到的声音是否为指令词进行概率计算，当确定当前的声音是指令词的概率大于预置的阈值时，即执行相应的指令。例如，设置智能终端在音乐播放模式下，切换下一播放音乐的指令词为“下一首”，当用户发出“下一首”这一指令词后，智能终端就会执行下一首音乐切换操作。智能终端的识别指令词的具体方法为：在接收到声音时，计算当前声音为指令词的概率；当计算出的概率大于识别阈值时，即判断该声音为指令词，进而执行对应的操作。而当该识别阈值被设置为一个数值较大的值时，智能终端的拒识率会就提高，该拒识率指的是用户说出指令词，但智能终端未判断其为指令词，进而拒绝执行操作。而反之当该识别阀值被设置为一个数值较小的值时，智能终端的误识别率就会提高。即由于智能终端自身识别算法的错误判断，会造成该智能终端对指令词的误识别，即在用户没有说出指令词时，进行了误操作，进而给用户带来较为糟糕的体验。因此，识别阈值的设置十分关键，在设置智能终端的识别阈值之前，需要录制大量不同发音的指令词数据融入训练语料中，并对训练语料中的音素进行标记，再通过机器学习来训练语音识别模型。通过训练不断调整识别阈值，最终获取最优的数值，再将该语音识别模型部署到智能终端中，从而智能终端的误识别率和拒识率都维持在一个较低的水平。

由此可知，现有技术仅仅是将智能终端的识别阈值调整在一个能够均衡误识别率和拒识率的数值上，因此会增加误识别指令词的概率，进而给用户带来的不良体验。

发明内容

鉴于上述问题，本发明实施例提供一种语音识别方法及装置，本发明实施例的一个目的在于解决现有技术中存在误识别指令词的问题。

为了解决上述问题，本发明实施例主要提供如下技术方案：

第一方面，本发明实施例提供了一种语音识别方法，该方法包括：

在确定播放语音的文本中包含相似词时，获取所述相似词对应的播放时间段，所述相似词为与智能终端的预设的指令词发音相似的词；

在所述播放时间段内提高所述智能终端的识别阈值；

在所述智能终端计算出所述播放时间段内接收的声音为指令词的概率高于提高后的识别阈值时，确定所述声音为指令词。

第二方面，本发明实施例还提供了一种语音识别装置，该装置包括：

获取单元，在确定播放语音的文本中包含相似词时，获取所述相似词对应的播放时间段，所述相似词为与智能终端的预设的指令词发音相似的词；

提高单元，用于在所述播放时间段内提高所述智能终端的识别阈值；