[发明专利]优化上屏效果的语音识别方法、设备、终端与存储介质

说明书

本发明涉及优化上屏效果的语音识别方法、设备、终端与存储介质，该方法包括：确定用于进行语音识别的引擎；对所述引擎进行调整；其中，所述调整包括：优化所述引擎的结构延时与时间片，以降低所述引擎的响应时间；和减小所述引擎中词典的颗粒度，以降低上屏内容的变化率；所述时间片为每次给所述引擎的数据量；基于调整后的所述引擎进行语音识别。本发明实施例的方案，从语音识别引擎角度出发，从引擎参数、模型结构、词典颗粒度等角度，提出了优化方法，能够降低引擎延时，并且出词更加平滑流畅，特别在上屏应用场景中，能够极大改善用户体验。

技术领域

本发明涉及上屏效果优化的技术领域，具体涉及优化上屏效果的语音识 别方法、设备、终端与存储介质。

背景技术

在语音识别相关的上屏应用场景(如语音输入法、带屏类实时语音转写 等)中，有很多因素会影响最终的上屏效果，如：识别引擎本身的准确率、 实时率、识别引擎延时和网络延时等。其中，除去网络延时等外部因素，涉 及到识别引擎本身的指标主要有：识别准确率、引擎延时和流畅度等，此外 延时指标也会直接影响上屏效果的流畅度。

具体的，识别引擎各项性能都会直接影响最终的上屏效果；除了识别准 确率直接影响用户体验之外，上屏的流畅度体验也是另一个非常重要的评价 指标。

在目前的语音识别上屏场景中，经常出现虽然最终识别结果正确，但是 主观感觉上屏显示效果不够流畅，会有“卡顿”(响应慢)、内容“跳变”(显 示过程不平滑)等问题，严重影响用户的主观体验。

由此，目前需要有一种更好的方案来解决现有技术中的问题。

发明内容

本发明提供优化上屏效果的语音识别方法、设备、终端与存储介质，能 够解决现有技术中上屏显示效果不够流畅的技术问题。

本发明解决上述技术问题的技术方案如下：

本发明实施例提出了一种优化上屏效果的语音识别方法，包括：

确定用于进行语音识别的引擎；

对所述引擎进行调整；其中，所述调整包括：优化所述引擎的结构延时 与时间片，以降低所述引擎的响应时间；和减小所述引擎中词典的颗粒度， 以降低上屏内容的变化率；所述时间片为每次给所述引擎的数据量；

基于调整后的所述引擎进行语音识别。

在一个具体的实施例中，优化所述引擎的结构延时，包括：

在满足预设的语音识别率时，将所述引擎的右拼帧参数降低到最小。

在一个具体的实施例中，所述右拼帧参数的范围为5-25。

在一个具体的实施例中，优化所述引擎的时间片，包括：

将所述引擎的时间片的大小设置为所述引擎的批处理大小。

在一个具体的实施例中，所述时间片的范围为20-60ms。

在一个具体的实施例中，减小所述引擎中词典的颗粒度，包括以下一个 或多个方式的任意组合：将多个有意义的短词组成的词条进行拆分、将整词 的前预设个字作为新词条加入所述引擎中词典。

在一个具体的实施例中，所述词典中的词条的长度不超过4个字。

本发明实施例还提出了一种优化上屏效果的语音识别设备，包括：

确定模块，用于确定用于进行语音识别的引擎；

调整模块，用于对所述引擎进行调整；其中，所述调整包括：优化所述 引擎的结构延时与时间片，以降低所述引擎的响应时间；和减小所述引擎中 词典的颗粒度，以降低上屏内容的变化率；所述时间片为每次给所述引擎的 数据量；

识别模块，用于基于调整后的所述引擎进行语音识别。