[发明专利]适用于多种用户的语音识别方法、装置、设备及介质

说明书

本申请涉及人工智能技术领域，揭示了一种适用于多种用户的语音识别方法、装置、设备及介质，其中方法包括：获取语音识别模式确定请求；响应获取语音识别模式确定请求，播放预设提问语音，根据播放的预设提问语音获取用户输入的回答语音数据；根据回答语音数据，确定语音特征数据和待识别用户信息；根据语音特征数据和待识别用户信息，确定目标语音识别模式；获取待识别语音数据；采用目标语音识别模式对待识别语音数据进行语音识别，得到待识别语音数据对应的目标文本数据。从而实现针对不同特征的用户提供针对性的语音识别模式，确保了语音识别的准确率的一致性，提高了用户体验，从而有利于应用于具有多种用户类别的应用场景。

技术领域

本申请涉及到人工智能技术领域，特别是涉及到一种适用于多种用户的语音识别方法、装置、设备及介质。

背景技术

目前市场上常用的语音识别产品对用户的语音识别通常是统一处理的，并没有做任何的细分，其结果往往是针对特定用户的识别率低，从而导致难以应用于具有多种用户类别的应用场景。比如，语音对话系统针对有方言的用户，语音识别的正确率大大低于讲普通话用户。又比如，大人、小孩、老人说话的语音语调是不同的，如果不做区分，小孩、老人的语音识别正确率也可能大大低于普通话用户。

发明内容

本申请的主要目的为提供一种适用于多种用户的语音识别方法、装置、设备及介质，旨在解决现有技术中的语音识别系统针对不同用户类别的语音识别的准确率不一致，难以应用于具有多种用户类别的应用场景的技术问题。

为了实现上述发明目的，本申请提出一种适用于多种用户的语音识别方法，所述方法包括：

获取语音识别模式确定请求；

响应所述获取语音识别模式确定请求，播放预设提问语音，根据播放的所述预设提问语音获取用户输入的回答语音数据；

根据所述回答语音数据，确定语音特征数据和待识别用户信息；

根据所述语音特征数据和所述待识别用户信息，确定目标语音识别模式；

获取待识别语音数据；

采用所述目标语音识别模式对所述待识别语音数据进行语音识别，得到所述待识别语音数据对应的目标文本数据。

进一步的，所述响应所述获取语音识别模式确定请求，播放预设提问语音，根据播放的所述预设提问语音获取用户输入的回答语音数据的步骤，包括：

当所述预设提问语音为一轮提问语音时，响应所述获取语音识别模式确定请求播放所述预设提问语音，获取播放所述预设提问语音之后第一预设时长内用户输入的所述回答语音数据；

当所述预设提问语音为多轮提问语音时，按预设时间间隔播放预设提问语音，获取播放每轮所述提问语音之后第二预设时长内用户输入的所述回答语音数据。

进一步的，所述根据所述语音特征数据和所述待识别用户信息，确定目标语音识别模式的步骤，包括：

将所述语音特征数据和所述待识别用户信息输入分类预测模型进行分类预测，得到语音识别模式预测结果；

从所述语音识别模式预测结果的概率预测值中找出最大值，将找出的所述概率预测值对应的语音识别模式作为目标语音识别模式。

进一步的，所述将所述语音特征数据和所述待识别用户信息输入分类预测模型进行分类预测，得到语音识别模式预测结果的步骤之前，包括：

获取多个训练样本，所述训练样本包括：用户样本数据、语音识别模式标定值，所述用户样本数据包括：语音特征样本数据、用户信息样本数据；

将所述用户样本数据输入目标神经网络进行预测，得到样本预测值，其中，所述目标神经网络依次包括：向量层、池化层、分类层；