[发明专利]一种语音识别方法、装置和电子设备

权利要求书

1.一种语音识别方法，其特征在于，包括：

获取目标音频数据和与目标音频数据关联的目标图像数据，所述目标图像数据是录音设备在录制目标音频数据过程中采集的；

依据所述目标图像数据对所述目标音频数据进行语音识别，确定对应的语音识别文本信息。

2.根据权利要求1所述的方法，其特征在于，所述依据所述目标图像数据对所述目标音频数据进行语音识别，确定对应的语音识别文本信息，包括：

对所述目标图像数据进行文本识别，确定对应的图像文本信息；

依据所述图像文本信息对所述目标音频数据进行语音识别，确定对应的语音识别文本信息。

3.根据权利要求2所述的方法，其特征在于，所述目标图像数据包括一个图像帧，

所述依据所述图像文本信息对所述目标音频数据进行语音识别，确定对应的语音识别文本信息，包括：

确定所述目标图像数据对应的目标时间戳；

依据所述图像文本信息，对目标时间戳之后的目标音频数据进行语音识别，确定对应的语音识别文本信息。

4.根据权利要求2所述的方法，其特征在于，所述依据所述图像文本信息对所述目标音频数据进行语音识别，确定对应的语音识别文本信息，包括：

依据所述目标图像数据包含的所有图像帧的图像文本信息，对完整的所述目标音频数据进行语音识别，确定对应的语音识别文本信息。

5.根据权利要求2所述的方法，其特征在于，所述依据所述图像文本信息对所述目标音频数据进行语音识别，确定对应的语音识别文本信息，包括：

从所述图像文本信息中提取关键词；

对所述目标音频数据进行特征提取并依据提取的特征信息确定所述音频数据对应的音节，将所述目标音频数据对应的音节与所述关键词匹配；

若存在与所述目标音频数据对应的音节匹配的所述关键词，则将匹配的关键词作为对应音节的语音识别文本信息；

若不存在与所述目标音频数据对应的音节匹配的所述关键词，则所述目标音频数据对应的音节与所述语音识别词库中的原始字词匹配，确定所述目标音频数据对应的语音识别文本信息。

6.一种语音识别装置，其特征在于，包括：

获取模块，用于获取目标音频数据和与目标音频数据关联的目标图像数据，所述目标图像数据是录音设备在录制目标音频数据过程中采集的；

识别模块，用于依据所述目标图像数据对所述目标音频数据进行语音识别，确定对应的语音识别文本信息。

7.根据权利要求6所述的装置，其特征在于，所述识别模块，包括：

图像识别子模块，用于对所述目标图像数据进行文本识别，确定对应的图像文本信息；

语音识别子模块，用于依据所述图像文本信息对所述目标音频数据进行语音识别，确定对应的语音识别文本信息。

8.根据权利要求7所述的装置，其特征在于，所述目标图像数据包括一个图像帧，

所述语音识别子模块，用于确定所述目标图像数据对应的目标时间戳；依据所述图像文本信息，对目标时间戳之后的目标音频数据进行语音识别，确定对应的语音识别文本信息。

9.一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获取目标音频数据和与目标音频数据关联的目标图像数据，所述目标图像数据是录音设备在录制目标音频数据过程中采集的；

依据所述目标图像数据对所述目标音频数据进行语音识别，确定对应的语音识别文本信息。

10.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如方法权利要求1-5任一所述的语音识别方法。