[发明专利]语音识别的方法、客户端及终端设备

说明书

技术领域

本发明涉及通信技术领域，尤其涉及一种语音识别的方法、客户端及终端 设备。

背景技术

随着语音成为大众熟知的交互方式之一，各种语音识别软件在市面上不断 涌现，语音识别软件的质量也参差不齐，而衡量语音识别软件质量的标准之一 就是语音识别率。虽然现在云端识别情况下，各语音识别引擎提供商提供了自 然语义理解的功能，但各引擎提供商提供的能力不一，都还没有办法完全理解 不同人，不同场景下的语义。所以，如何根据当前终端场景下正确识别用户的 语义，提高语音识别准确率，最终实现最佳的语音用户体验就显得很有意义和 价值。

现在大多数引擎提供商采用的方法一般都是在云端服务器上用语言模型 等，经过一定的算法，对用户的语音进行处理，最终得到用户的意图并告知该 用户，但很多时候，由于某些特定说法具有多义性，云端服务器也没有办法得 到唯一的结果，就会造成反馈给用户的结果可能与用户期望的实际结果有差距， 从而给用户的感觉是识别不准，用户体验不佳。

发明内容

为了解决上述技术问题，发明的实施例提供了一种语音识别的方法、客户 端及终端设备，对初步的语音识别结果结合当前场景进一步优化，从而让语音 结果更佳符合当前用户的期望，提升用户的语音交互体验。

依据本发明的一个方面，提供了一种语音识别的方法，应用于终端设备侧， 所述方法包括：获取用户输入的语音的原始语音识别结果，并根据所述原始语 音识别结果解析出所述用户的语音识别场景，其中所述原始语音识别结果由云 端服务器根据所述用户输入的语音识别得到；根据所述语音识别场景，从所述 原始语音识别结果中获取需要校正的关键词信息和每个所述关键词信息中的 多音字；根据所述需要校正的关键词信息和每个关键词信息中的多音字生成一 个或多个包含所述多音字的垃圾词；根据所述语音识别场景或所述需要校正的 关键词信息所属的范围，获取所述终端设备中的与所述语音识别场景或所述需 要校正的关键词信息对应的实际信息，并将所述垃圾词与所述实际信息进行匹 配，筛选出正确的多音字，将所述正确的多音字填充到所述需要校正的关键词 信息中，得到正确的关键词；根据所述正确的关键词生成符合当前语音识别场 景的最终语音识别结果。

可选地，所述根据所述原始语音识别结果解析出所述用户的语音识别场景， 具体为：根据预先设置的语音识别结果与场景对应表，匹配得到与所述原始语 音识别结果对应的所述用户的语音识别场景。

可选地，所述根据所述语音识别场景，从所述原始语音识别结果中获取需 要校正的关键词信息和每个关键词信息中的多音字，具体包括：根据所述语音 识别场景和预先设置的场景关键信息提取表，从所述原始语音识别结果中获取 需要校正的关键词信息；判断所述需要校正的关键词信息中是否存在多音字， 如果有，则获取每个关键词信息中的多音字。

可选地，所述根据所述需要校正的关键词信息和每个关键词信息中的多音 字生成一个或多个包含多音字的垃圾词，具体包括：将所述多音字转换成对应 的拼音，然后根据同音字对应表，提取出所述拼音对应的一个或多个汉字；将 所述汉字填充到所述需要校正的关键词信息中替换多音字以组成得到一个或 多个包含多音字的垃圾词。

可选地，所述语音识别结果与场景对应表和场景关键信息提取表的格式为 XML可扩展标记语言。

依据本发明的另一个方面，还提供了一种语音识别的客户端，应用于终端 设备侧，所述客户端包括：场景解析模块，用于获取用户输入的语音的原始语 音识别结果，并根据所述原始语音识别结果解析出所述用户的语音识别场景， 其中所述原始语音识别结果由云端服务器根据所述用户输入的语音识别得到； 多音字提取模块，用于根据所述语音识别场景，从所述原始语音识别结果中获 取需要校正的关键词信息和每个所述关键词信息中的多音字；垃圾词生成模块， 用于根据所述需要校正的关键词信息和每个关键词信息中的多音字生成一个 或多个包含所述多音字的垃圾词；多音字校正模块，用于根据所述语音识别场 景或所述需要校正的关键词信息所属的范围，获取所述终端设备中的与所述语 音识别场景或所述需要校正的关键词信息对应的实际信息，将所述垃圾词与所 述实际信息进行匹配，筛选出正确的多音字，将所述正确的多音字填充到所述 需要校正的关键词信息中，得到正确的关键词；结果处理模块，用于根据所述 正确的关键词生成符合当前语音识别场景的最终语音识别结果。