[发明专利]一种语音识别方法和装置

说明书

本发明实施例提供了一种语音识别方法，包括：将待识别语音拆分成多个语音段落；以并行的方式将所述多个语音段落分别进行语音识别；以及将所述多个语音段落各自的语音识别结果整合成与所述待识别语音对应的语音识别结果。将长语音数据拆分成多个语音段落，并且以并行的方式对拆分形成的多个语音段落分别进行语音识别，再将得到的多个语音识别结果整合形成与该长语音数据对应的语音识别结果。通过将长语音数据拆分长多个语音段落，可以充分利用服务器的多个计算资源同时进行语音识别，大幅提高了语音识别的效率。

技术领域

本发明涉及人工智能领域，具体涉及一种语音识别方法、识别装置、计算机设备以及计算机可读存储介质。

背景技术

人工智能产品所实现的智能交互过程已经由刚开始的只能由用户输入文字进行交互，发展到现在的多种交互方式，其中包括语音交互。用户只需要通过语音即可实现与人工智能产品的交互，人工智能产品通过获取和识别用户的语音数据以实现交互过程。

现有语音识别技术，无论是以文件的形式，还是以流的形式，大都采用顺序数据识别。但是当前的服务器CPU都是多核(服务器CPU一般32核以上)，这就造成了在识别过程中，只能利用单核CPU的能力，无法充分发挥整台服务器的能力。从而，造成了越长或越大的语音数据，识别的时间也会相应的越长，即使增加更多CPU，换更多核的CPU，也无法提高识别效率。

发明内容

有鉴于此，本发明提供了一种语音识别方法，解决了上述的语音识别效率不高的问题。

根据本发明的一方面，本发明实施例提供了一种语音识别方法，包括：将待识别语音拆分成多个语音段落；以并行的方式将所述多个语音段落分别进行语音识别；以及将所述多个语音段落各自的语音识别结果整合成与所述待识别语音对应的语音识别结果。

在一实施例中，所述将待识别语音拆分成多个语音段落包括：根据检测到的所述待识别语音中的语音端点拆分出所述语音段落。

在一实施例中，当检测到时长大于预设时间的静音段落时，将所述静音段落的开始点和/或结束点作为所述语音端点。

在一实施例中，所述根据检测到的所述待识别语音中的语音端点拆分出所述语音段落包括：当连续第一预设数量的语音帧的短时能量大于第一预设值且过零率大于第二预设值时，判断接下来是否有连续第二预设数量的语音帧的短时能量大于第三预设值且过零率大于第四预设值；当接下来有连续第二预设数量的语音帧的短时能量大于第三预设值且过零率大于第四预设值时，将所述第二预设数量的语音帧的开始帧作为一个语音段落的首端点；继续判断接下来是否有连续第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值；当接下来有连续第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值，将所述第三预设数量的语音帧的开始帧作为所述一个语音段落的尾端点；以及根据所述一个语音段落的所述首端点和所述尾端点拆分出所述一个语音段落。

在一实施例中，当并没有连续所述第一预设数量的语音帧的短时能量大于第一预设值且过零率大于第二预设值时，将当前识别的语音帧向后移动第四预设数量个语音帧；和/或，当有连续第一预设数量的语音帧的短时能量大于第一预设值且过零率大于第二预设值，但接下来并没有连续第二预设数量的语音帧的短时能量大于第三预设值且过零率大于第四预设值时，将当前识别的语音帧向后移动第四预设数量个语音帧。

在一实施例中，在所述判断为找到一个语音段落的首端点后，进一步包括：当接下来并没有连续所述第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值时，将当前识别的语音帧向后移动第五预设数量个语音帧，继续判断判断接下来是否有连续所述第三预设数量的语音帧的短时能量小于第五预设值且过零率小于第六预设值。

在一实施例中，所述以并行的方式将所述多个语音段落分别进行语音识别包括：将拆分出的所述多个语音段落输入线程池，其中，所述线程池中的每一个线程配置为执行对一个所述语音段落的语音识别过程。