[发明专利]语音识别方法、音频标注方法、计算机设备、存储装置

说明书

本申请公开了语音识别方法、音频标注方法、计算机设备、具有存储功能的装置，其中语音识别方法包括：获得至少两个不同的自动语音识别ASR引擎识别同一音频后所得到的至少两份ASR文本；确定至少两份ASR文本中相同的文本内容和不同的文本内容；保留相同的文本内容，对不同的文本内容依次进行至少一个维度的共性比对，保留每个维度下具有共性的文本内容或文本内容的属性，直至遍历所有不同的文本内容；通过语言模型自动适配所有保留下来的文本内容或属性，以得到识别文本。通过上述方式，本申请能够提高语音识别的准确率。

技术领域

本申请涉及语音识别领域，特别是涉及语音识别方法、音频标注方法、计算机设备、具有存储功能的装置。

背景技术

ASR，英文的全称是Automated Speech Recognition，即自动语音识别技术，是一种将人的语音转换为文本的技术。伴随人工智能(AI，Artificial Intelligence)技术的发展，基于ASR技术的语音机器人、坐席助于、语音质检等智能产品得到了大量的推广。ASR技术的准确率将直接影响智能产品效果，而现有的ASR技术识别准确率较低。

发明内容

本申请主要解决的技术问题是提供一种语音识别方法、音频标注方法、计算机设备、具有存储功能的装置，能够解决目前ASR技术中准确率较低的问题。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种语音识别方法，包括以下步骤：获得至少两个不同的自动语音识别ASR引擎识别同一音频后所得到的至少两份ASR文本；确定至少两份ASR文本中相同的文本内容和不同的文本内容；保留相同的文本内容，对不同的文本内容依次进行至少一个维度的共性比对，保留每个维度下具有共性的文本内容或文本内容的属性，直至遍历所有不同的文本内容；通过语言模型自动适配所有保留下来的文本内容或属性，以得到识别文本。

其中，保留相同的文本内容后包括：对保留的相同的文本内容设置位置标签；对不同的文本内容依次进行至少一个维度的共性比对包括：以设置标签后的相同的文本内容开始，从后往前对不同的文本内容依次进行至少一个维度的共性比对，和/或从前往后对不同的文本内容依次进行至少一个维度的共性比对。

其中，对不同的文本内容依次进行至少一个维度的共性比对，保留每个维度下具有共性的文本内容或文本内容的属性前包括：确定至少两份ASR文本中位置对应的不同的文本内容的字数是否相同；响应于不同的文本内容的字数相同，输出字数相同的文本内容作为至少部分保留下来的文本内容。

其中，确定至少两份ASR文本中位置对应的不同的文本内容的字数是否相同后包括：响应于不同的文本内容的字数不同，将每份ASR文本中对应字数不同位置的文本内容全部转换为拼音；字数最多的ASR文本保留对应位置的该部分拼音，字数较少的ASR文本保留每份ASR文本中拼音相同的部分，将字数最多的ASR文本中拼音不同的部分填充到字数较少的ASR文本中的拼音相应位置。

其中，获得至少两个不同的自动语音识别ASR引擎识别同一音频后所得到的至少两份ASR文本包括：获得三个不同的自动语音识别ASR引擎识别同一音频后所得到的三份ASR文本；对不同的文本内容依次进行至少一个维度的共性比对，保留每个维度下具有共性的文本内容或文本内容的属性包括：对不同的文本内容逐字进行单字比较，确定三份ASR文本中处于对应位置的字是否有两个字内容相同；响应于内容相同，输出相同的字作为至少部分保留下来的文本内容。

其中，对不同的文本内容逐字进行单字比较，确定三份ASR文本中处于对应位置的字是否有两个字相同包括：响应于内容不同，确定三份ASR文本中处于对应位置的字的拼音是否有两个字的拼音相同；响应于拼音相同，输出相同的拼音作为至少部分保留下来的文本内容的属性。

其中，确定三份ASR文本中处于对应位置的字的拼音是否有两个字的拼音相同后包括：响应于拼音不同，输出相同的拼音组成部分作为至少部分保留下来的文本内容的属性。