[发明专利]语音识别方法、系统、电子设备和存储介质

说明书

本发明提供一种语音识别方法、系统、电子设备和存储介质，该方法包括：获取不同场景的训练样本集，所述训练样本集包含若干训练语音以及与所述训练语音对应的文本标签；根据不同场景的训练样本集分别对预设的机器学习模型进行训练，得到不同场景对应的语义模型；获取待识别语音，所述待识别语音携带场景标签；从所述不同场景对应的语义模型中，获取与所述场景标签对应的语义模型；利用所述目标语义模型对所述待识别语音进行处理，得到所述待识别语音的初始识别结果；利用预设的语言模型对所述初始识别结果进行校准处理，得到所述待识别语音的目标识别结果。本发明能够解决无法针对用户的特定业务场景进行针对性语音识别，识别准确性不高的问题。

技术领域

本发明涉及语音识别技术领域，尤其涉及一种语音识别方法、系统、电子设备和存储介质。

背景技术

目前，随着各公司的业务发展需要，语音识别技术的应用场景越来越多，尤其是在呼叫中心领域，例如智能语音客服、客服录音质检、外呼失败原因分析等场景下，被广泛应用。而在不同应用场景下，相同发音的词，含义可能是不一样的。

传统的语音识别技术一般依赖各种复杂的模型设计，包括声学模型和隐马尔可夫模型(HMM)等。这些模型需由专门的公司为企业用户进行搭建，不仅搭建成本高，限制特殊的语音格式，而且最重要的是，仅能提供通用语音识别，无法针对用户的特定业务场景进行针对性识别，识别准确性不高。

发明内容

针对上述现有技术的不足，本发明的目的在于提供一种改进的语音识别方法、系统、电子设备和存储介质，以解决无法针对用户的特定业务场景进行针对性语音识别，识别准确性不高的问题。

为了实现上述目的，本发明提供一种语音识别方法，包括：

获取不同场景的训练样本集，所述训练样本集包含若干训练语音以及与所述训练语音对应的文本标签；

根据不同场景的训练样本集分别对预设的机器学习模型进行训练，得到不同场景对应的语义模型；

获取待识别语音，所述待识别语音携带场景标签；

从所述不同场景对应的语义模型中，获取与所述场景标签对应的语义模型；

利用所述目标语义模型对所述待识别语音进行处理，得到所述待识别语音的初始识别结果；

利用预设的语言模型对所述初始识别结果进行校准处理，得到所述待识别语音的目标识别结果。

在本发明一个优选实施例中，所述根据不同场景的训练样本集分别对预设的机器学习模型进行训练，得到不同场景对应的语义模型的步骤包括分别针对每个所述场景执行以下步骤：

按预定比例将目标场景的训练样本集划分为训练集和测试集；

根据所述训练集，对所述机器学习模型进行训练；

根据所述测试集，对训练得到的机器学习模型进行测试，当测试通过时，将训练得到的机器学习模型作为目标场景对应的语义模型。

在本发明一个优选实施例中，所述根据所述训练集，对所述机器学习模型进行训练的步骤包括：

将所述训练集划分为多个批次；

利用各批次的训练集依次对所述机器学习模型进行训练，直至满足训练完成条件。

在本发明一个优选实施例中，所述将所述训练集划分为多个批次的步骤包括：

将频谱特征相同或相近的训练语音划分至同一批次。

在本发明一个优选实施例中，所述将所述训练集划分为多个批次的步骤包括：

获取时长相近的多段训练语音；

通过静默音填充方式将所述多段训练语音调整为时长一致；