[发明专利]语音识别方法、语音识别装置、电子设备及介质

说明书

本公开实施例提供了一种语音识别方法、语音识别装置、电子设备及计算机可读介质；涉及自然语音处理技术领域。该语音识别方法包括：接收语音设备上实时输入的音频片段，当音频片段中包含终止符时输入完成；将音频片段分发至多个识别源，通过多个识别源分别对音频片段进行识别，接收多个识别源返回的识别结果；根据多个识别源的响应时间将多个识别源的识别结果进行融合向语音设备返回中间识别结果；结合响应时间与多个识别源的识别准确性，向所述语音设备返回最终识别结果。本公开实施例的技术方案能够根据识别源的响应时间融合多个识别源的识别结果，从而快速返回识别结果，提高语音识别的响应时间。

技术领域

本公开涉及自然语言处理技术领域，具体而言，涉及一种语音识别方法、语音识别装置、电子设备和计算机可读介质。

背景技术

语音识别指的是让机器通过识别和理解过程把语音信号转换为相应的文本的技术，广泛应用于各种语音交互设备，例如智能音箱、手机、智能手表、会议笔翻译机等等。

语音设备采集的音频是按流上报到云端，云端服务收到一个接一个的音频片段进行识别。目前各大语音识别技术服务商都推出了相关技术服务，通过提供接口来接收语音设备不断上传的音频流，然后持续返回中间识别结果，直到接收到终止提示符。由于每个音频片段中间因为网络延时存在一些时间间隔，而识别也需要花费一定的时间，造成用户等待的时间过长，难以满足需求。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种语音识别方法、语音识别装置、电子设备和计算机可读介质，能够根据识别源的响应时间融合多个识别源的识别结果，从而快速返回识别结果，提高语音识别的响应时间。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的第一方面，提供了一种语音识别方法，包括：

接收语音设备上实时输入的音频片段，当所述音频片段中包含终止符时输入完成；

将所述音频片段分发至多个识别源，通过所述多个识别源分别对所述音频片段进行识别，接收所述多个识别源返回的识别结果；

根据所述多个识别源的响应时间将所述多个识别源的识别结果进行融合向所述语音设备返回中间识别结果；

结合所述响应时间与所述多个识别源的识别准确性，向所述语音设备返回最终识别结果，其中，所述最终识别结果为包含终止符的音频片段对应的识别结果。

在本公开的示例性实施方式中，所述根据所述多个识别源的响应时间将所述多个识别源的识别结果进行融合向所述语音设备返回中间识别结果包括：

接收所述多个识别源针对第一音频片段的第一识别结果，根据所述多个识别源的所述第一识别结果的响应时间确定第一中间识别结果，并将所述第一中间识别结果发送至所述语音设备；

接收所述多个识别源针对第二音频片段的第二识别结果，将包含所述第一中间识别结果的第二识别结果作为第二中间识别结果，将所述第二中间识别结果发送至所述语音设备。

在本公开的示例性实施方式中，所述将包含所述第一中间识别结果的第二识别结果作为第二中间识别结果，将所述第二中间识别结果发送至所述语音设备包括：

将所述第一中间识别结果对应的识别源作为第一识别源，当所述第一识别源的第二识别结果的响应时间小于其他识别源时，则将所述第一识别源返回的第二识别结果作为第二中间识别结果；

当所述第一识别源的第二识别结果的响应时间在预设范围内时，则将所述第一识别源的第二识别结果作为第二中间识别结果。