[发明专利]用于处理语音信号的方法、装置、设备和介质

说明书

根据本公开的实施例，提供了用于处理语音信号的方法、装置、设备和计算机可读存储介质。该方法包括获取所接收的语音信号的语音特征表示集合。该方法还包括基于从语音信号识别的文本，生成源文本特征表示集合，每个源文本特征表示与文本中的一个元素相对应。该方法还包括基于语音特征表示集合和源文本特征表示集合，生成目标文本特征表示集合。该方法还包括确定目标文本特征表示集合与针对文本预定义的参考文本特征表示集合的匹配程度，匹配程度指示对文本的识别的正确性。通过该方法，可以使得语音判定结果更准确，同时使得人机之间的交互更加顺畅，提升了人机交互的体验。

技术领域

本公开的实施例主要涉及人工智能领域，并且更具体地，涉及用于处理语音信号的方法、装置、设备和计算机可读存储介质。

背景技术

语音交互技术是人与机器用语音进行交互的一种技术，实现了类似自然对话的语音交互体验。人机交互从计算机时代的鼠标键盘配合屏幕方式交互，到智能手机时代的触屏直接交互。人机交互的方式越来越简单，交互门槛越来越低。随着人工智能和移动互联网的蓬勃发展，类似人与人之间的自然语音交互逐渐成为人机交互的一种新型的方式。语音交互同时兼备输入带宽大、准确性高、可移动性好、使用门槛低等优点，是人机交互的首选交互方式之一。

通过语音交互实现人机交互，提高了信息的处理效率。同时这种方式也使得用户和机器的交互更简便。然而，在处理语音信号的过程中还存在着许多需要解决的问题。

发明内容

根据本公开的示例实施例，提供了一种用于处理语音信号的方案。

在本公开的第一方面中，提供了一种用于处理语音信号的方法。该方法包括获取所接收的语音信号的语音特征表示集合。该方法还包括基于从语音信号识别的文本，生成源文本特征表示集合，每个源文本特征表示与文本中的一个元素相对应。该方法还包括基于语音特征表示集合和源文本特征表示集合，生成目标文本特征表示集合。该方法还包括确定目标文本特征表示集合与针对文本预定义的参考文本特征表示集合的匹配程度，匹配程度指示对文本的识别的正确性。

在本公开的第二方面中，提供了一种用于处理语音信号的装置。该装置包括获取模块，被配置为获取所接收的语音信号的语音特征表示集合。该装置还包括源文本特征表示集合生成模块，被配置为基于从语音信号识别的文本，生成源文本特征表示集合，每个源文本特征表示与文本中的一个元素相对应。该装置还包括目标文本特征表示集合生成模块，被配置为基于语音特征表示集合和源文本特征表示集合，生成目标文本特征表示集合。该装置还包括第一匹配程度确定模块，被配置为确定目标文本特征表示集合与针对文本预定义的参考文本特征表示集合的匹配程度，匹配程度指示对文本的识别的正确性。

在本公开的第三方面中，提供了一种电子设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。

在本公开的第四方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：

图1示出了本公开的多个实施例能够在其中实现的环境100的示意图；

图2示出了根据本公开的一些实施例的用于处理语音信号的方法200的流程图；

图3示出了根据本公开的一些实施例的用于生成目标文本特征表示集合的方法300的流程图；