[发明专利]语音识别方法及装置、电子设备、存储介质

说明书

本公开是关于一种语音识别方法及装置、电子设备、存储介质。一种语音识别方法，包括：对待识别的语音数据进行识别，得到第一文本数据；将所述第一文本数据输入到预设的语言模型，由所述语言模型确定所述第一文本数据中置信度小于置信度阈值的初始文本段；基于所述初始文本段校正所述第一文本数据得到所述语音数据对应的目标文本数据，所述目标文本数据的置信度超过预设的置信度阈值。本实施例中通过对第一文本数据中的置信度较小的初始文本段进行校正，可以提升文本数据的置信度得到目标文本数据，从而提升自然语言处理NLP中意图理解的准确度，避免割裂语音识别与意图理解。

技术领域

本公开涉及语音识别技术领域，尤其涉及一种语音识别方法及装置、电子设备、存储介质。

背景技术

目前，语音识别技术在电子设备上的应用越来越广泛。其中语音识别技术通过利用声学和语言学的方法，事先训练好声学模型，由于声学模型对语音数据进行语音识别。在实际产品中，语音识别技术会分成两个阶段，即语音识别(ASR)与自然语言处理(NLP)；其中语音识别将音频数据识别成文本数据，并将文本数据作为自然语音处理的输入数据。NLP过程中，根据设定的词库进行词槽提取，最终达到识别出音频数据的效果。

然而，实际应用中，可能会出现如下场景：例如用户说“购买东西”，ASR结果为“girl买东西”，而NLP的词库只有“购买东西”；又如用户在说“goodmorning”，ASR结果为“古的毛宁”，而NLP的词库只有“good morning”，等等。即，ASR识别出的文本数据，可能在NLP过程中因词库内未包括相应的词语，导致提取词槽失败。换言之，ASP结果的置信度低导致NLP无法正确理解语音意图而造成理解割裂的问题。

发明内容

本公开提供一种语音识别方法及装置、电子设备、存储介质，以解决相关技术的不足。

根据本公开实施例的第一方面，提供一种语音识别方法，包括：

对待识别的语音数据进行识别，得到第一文本数据；

将所述第一文本数据输入到预设的语言模型，由所述语言模型确定所述第一文本数据中置信度小于置信度阈值的初始文本段；

基于所述初始文本段校正所述第一文本数据得到所述语音数据对应的目标文本数据，所述目标文本数据的置信度超过预设的置信度阈值。

可选地，基于所述初始文本段校正所述第一文本数据得到所述语音数据对应的目标文本数据，包括：

将所述第一文本数据输入到预设的语言模型，由所述语言模型确定所述第一文本数据中置信度小于置信度阈值的初始文本段；

将所述初始文本段转换成音标，得到音标数据；其中，所述初始文本段中的中文文本转换成汉语拼音，所述初始文本段中的非中文文本转换成国际音标；

基于所述音标数据查询预设的词库，得到所述初始音频数据对应的至少一个目标候选文本段；

依次将所述至少一个目标候选文本段替代所述第一文本数据中的初始文本段，得到第二文本数据；

依次将各第二文本数据输入到所述语言模型，得到各第二文本数据的置信度，置信度最高的第二文本数据即是目标文本数据。

可选地，基于所述音标数据查询预设的词库，得到所述初始音频数据对应的至少一个目标候选文本段，包括：

基于所述音标数据查询预设的词库，得到多个初始候选文本段；

获取各初始候选文本段与所述初始文本段的相似度；

获取所述相似度超过相似度阈值的初始候选文本段，得到至少一个目标候选文本段。

可选地，所述相似度采用至少以下一种获取：最长公共子序列、时间序列相似度。