[发明专利]语音识别方法、装置、设备和存储介质

说明书

本发明实施例涉及一种语音识别方法、装置、计算机设备和存储介质，所述方法包括：在检测到用户输入语音后，建立与该用户的对话，在对语音信息进行语音识别的过程中若检测到对应多个语义的同音词，则发起针对该多音词的澄清对话，以让用户确定多音词的正确语义，最后根据用户的回复以及会话中的上下文确定多音词的正确语义。相比于现有的单交互识别的模式，本发明实施例采用人机双交互模式，通过建立与用户的一对一会话，能够为语音识别提供场景支持，使得语音模型能够通过会话中的上下文更好的理解语音信息所表达的语义。此外，本发明实施例提供的方法对于多音词还能够发起澄清会话，以让用户确认多音词的语义，从而能够提高语音识别的准确率。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及的语音识别方法、装置、计算机设备和存储介质。

背景技术

语音识别目前是一个较为热门的技术领域。语音识别技术可以应用到诸多产品中，例如手机、可穿戴设备、智能家居等等。用户通过语音即可控制设备进行一定的操作。目前平台上的语音识别技术只是一种传统的单交互识别。也即机器只回答本次的问题，只局限在单轮对话里。

例如：

用户：“中山”有什么好吃的？

机器：好，我找到了以下餐馆:(会默认给用户推荐附近餐馆)

用户：我不想吃饭。

机器：好的。

然而，在这样的语音识别模式中，机器只回答本次的问题，只局限在单轮对话里，缺乏语言场景支持，且这种单交互式的语音识别方式对于同音词、多义词的识别率的正确率较低。

发明内容

基于此，本发明实施例提供了一种语音识别方法、装置、设备和存储介质，用于提高语音识别过程中同音词的识别正确率。

第一方面，本发明实施例可以包括：

在检测到用户输入语音信息后，根据第一信息通过会话管理器生成与所述用户的会话；其中所述第一信息为检测到的用于表征所述用户的特征信息，或预设的时间段；

在所述会话中，在对用户输入的语音信息进行语音识别的过程中，若确定所述语音信息中包含对应多个语义结果的同音词，则发起针对所述同音词的澄清对话，所述澄清对话用于向用户确认所述同音词的对应的正确语义；

在检测到用户对于所述澄清对话的回复后，根据所述回复以及所述会话中的上下文确定所述同音词的正确语义。

可选地，所述确定语音信息包含对应多个语义结果的同音词，包括：

对语音信息进行识别，得到对应的多个音节；

对得到的多个音节进行分词操作，得到分词结果；

对分词结果进行语义理解，若第一分词对应的语义为多个，则确定第一分词为同音词。

可选地，所述澄清对话包括所述多个语义以及各个语义对应的标识，所述标识的常规语义以及常规语义对应的权重预先存储在进行语音识别的模型中；

所述用户对于所述澄清对话的回复为正确语义对应的标识；

所述根据回复确定所述同音词的正确语义，包括：

将用户回复的标识所对应的正确语义存储在模型中，并设置所述正确语义对应的权重大于所述标识的常规语义对应的权重；

将所述标识对应的所有语义按权重由大到小进行排序，将排序最靠前的语义确定为所述同音词的正确语义。

可选地，所述方法还包括：

在检测满足会话终止条件时，结束所述会话；

将所述标识所对应的正确语义从所述模型中删除。