[发明专利]一种语音识别方法及装置

说明书

本申请公开了一种语音识别方法及装置，其中所述方法包括：获取当前通话的各客户端的语音信号分别经由语音识别器进行语音识别后输出的文本数据，其中，所述语音识别器包括目标领域语言模型；根据各客户端的所述文本数据确定当前通话的目标话题领域；判断所述目标领域语言模型是否与所述目标话题领域适配，若不适配，则将所述目标领域语言模型切换为与所述目标话题领域适配的领域语言模型，从而实现动态地选择与当前通话内容的话题领域适配的目标领域语言模型，利用适配的目标领域语言模型选出最优的识别结果可以提高语音识别器的识别率，适于端内动态变化的通话内容的场景。

技术领域

本申请实施例涉及自然语言处理技术，尤其涉及一种语音识别方法及装置。

背景技术

语音识别(Automatic Speech Recognition，简称ASR)是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。语音识别技术就是让机器通过识别和理解过程把语音信号转换为相应的文本或命令的技术。随着信息技术的发展，语音识别技术正逐步成为计算机信息处理技术中的关键技术，语音识别技术的应用场景也变得越来越广泛，例如语音识别技术可以应用在字幕添加、识别谈话中的敏感内容、人机交互等场景。

当ASR语音识别器的训练和测试场景的领域一致时则识别率会比较高，否则识别率就比较差。例如，用游戏场景语料训练的语言模型(Language Model，简称LM)用在政治场景时ASR的识别率就会较差。为了解决这个问题，现有技术是基于先验知识定制匹配的LM模型，为特定的使用场景快速构建领域依赖的模型。这样做的优点是灵活可控、定制性强，适合清晰明确的场景，如智能家居、医疗机器人或是点餐系统等。但其缺点是在语境偏离场景时识别率会降低，例如针对动态变化的聊天内容，其识别率会比较低。

相关技术还提出一种用数据量大覆盖广的文本训练的通用LM模型，但由于有内存限制以及超出模型建模能力，通用LM模型性能仍会差于领域依赖模型。

发明内容

本申请提供一种语音识别方法及装置，以解决现有技术中采用领域语言模型进行语音识别时对偏离场景的语境识别率较低，以及采用通用语言模型进行语音识别时模型性能较弱的问题。

第一方面，本申请实施例提供了一种语音识别方法，所述方法包括：

获取当前通话的各客户端的语音信号分别经由语音识别器进行语音识别后输出的文本数据，其中，所述语音识别器包括目标领域语言模型；

根据各客户端的所述文本数据确定当前通话的目标话题领域；

判断所述目标领域语言模型是否与所述目标话题领域适配，若不适配，则将所述目标领域语言模型切换为与所述目标话题领域适配的领域语言模型。

第二方面，本申请实施例还提供了一种语音识别装置，所述装置包括：

文本数据获取模块，用于获取当前通话的各客户端的语音信号分别经由语音识别器进行语音识别后输出的文本数据，其中，所述语音识别器包括目标领域语言模型；

目标话题领域确定模块，用于根据各客户端的所述文本数据确定当前通话的目标话题领域；

领域语言模型切换模块，用于判断所述目标领域语言模型是否与所述目标话题领域适配，若不适配，则将所述目标领域语言模型切换为与所述目标话题领域适配的领域语言模型。

第三方面，本申请实施例还提供了一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的语音识别方法。

第四方面，本申请实施例还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上述的语音识别方法。

本申请具有如下有益效果：