[发明专利]用于识别语音的方法和装置

说明书

本公开的实施例公开了用于识别语音的方法和装置。该方法的一具体实施方式包括：响应于检测到语音帧，实时将语音帧转换成当前文本；若不存在之前保存的历史文本，将当前文本输入语义解析模型，得到解析结果；如果解析结果包括有效意图槽位，则结束语音尾点完成识别；输出有效意图槽位对应的指令。该实施方式在语音识别的同时解析意图，对于有效意图，将提前完成识别解析流程，大大提高语音识别解析速度；对于无效意图，自动延长语音尾点的时间，继续识别，直至识别有效意图，能够提高识别的准确性。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于识别语音的方法和装置。

背景技术

在一个语音识别的应用场景中，并不是每一个意图在表达出来的时候都是连贯不停顿的一句话。因此，一个通用的全场景端点检测算法就无法满足用户的实际需求，因为对同一个用户来说，不同的意图对应的说话语速和停顿的时间是不一样的。

语音识别引擎在某些场景下，比如卡顿，网络状态变差等情况，识别失败或不全，导致识别结果有较大差别，影响语音识别用户体验。

现有技术通常从语音流层检测用户是否一段时间未继续说话，结束尾点。这种方式固定识别的时间过于呆板，因此缺乏灵活性。

发明内容

本公开的实施例提出了用于识别语音的方法和装置。

第一方面，本公开的实施例提供了一种用于识别语音的方法，包括：响应于检测到语音帧，实时将语音帧转换成当前文本；若不存在之前保存的历史文本，将当前文本输入语义解析模型，得到解析结果；如果解析结果包括有效意图槽位，则结束语音尾点完成识别；输出有效意图槽位对应的指令。

在一些实施例中，该方法还包括：如果解析结果不包括有效意图槽位，则保存当前文本作为历史文本并继续检测新的语音帧，延迟语音尾点检测时间。

在一些实施例中，该方法还包括：若存在之前保存的历史文本，则将当前文本和历史文本输入语义解析模型，得到新的解析结果；如果新的解析结果不包括有效意图槽位，则将当前文本合并到历史文本中保存，并继续检测新的语音帧，延迟语音尾点检测时间；如果新的解析结果包括有效意图槽位，则结束语音尾点完成识别，清空历史文本，并输出有效意图槽位对应的指令。

在一些实施例中，将当前文本和历史文本输入语义解析模型，包括：将当前文本和历史文本进行拼接；如果能够拼接成功，则将拼接后的当前文本和历史文本输入语义解析模型，得到新的解析结果。

在一些实施例中，将当前文本和历史文本输入语义解析模型，包括：如果拼接失败，则将历史文本重置为当前文本，只将当前文本输入语义解析模型。

在一些实施例中，该方法还包括：如果解析结果包括有效意图槽位且为固定结果，则将解析结果作为缓存指令，并存储缓存指令和文本的对应关系表；响应于获取到待解析文本，将待解析文本与对应关系表匹配；若匹配成功，则不通过语义解析模型，直接返回待解析文本对应的缓存指令。

第二方面，本公开的实施例提供了一种用于识别语音的装置，包括：转换单元，被配置成响应于检测到语音帧，实时将语音帧转换成当前文本；解析单元，被配置成若不存在之前保存的历史文本，将当前文本输入语义解析模型，得到解析结果；判断单元，被配置成如果解析结果包括有效意图槽位，则结束语音尾点完成识别；输出单元，被配置成输出有效意图槽位对应的指令。

在一些实施例中，该装置还包括拼接单元，被配置成：如果解析结果不包括有效意图槽位，则保存当前文本作为历史文本并继续检测新的语音帧，延迟语音尾点检测时间。