[发明专利]一种语音识别方法

说明书

一种语音识别方法，包括如下步骤：S1.对不同语音识别终端，根据其功能编写功能信息；针对不同功能信息训练不同的语音识别模型，并将按功能信息区分的各个语音识别模型存储在语音命令处理设备中；S2.语音识别终端接收到语音命令时，将语音命令及功能信息一起发送给语音命令处理设备；S3.语音命令处理设备根据功能信息选择与功能信息匹配的语音识别模型；S4.语音命令处理设备调用选择的语音识别模型对语音命令进行识别，识别后将命令发送给语音识别终端。本发明可根据不同的语音识别终端所具备的不同功能调用对应的语音识别模型，提高了语音识别正确率。

技术领域

本发明属于语音识别技术领域，具体涉及一种语音识别方法。

背景技术

语音识别具备最接近人机自然交互方式的优点，是非常好的人机控制及获取所需服务的方式。当前的语音识别采用神经网络技术后，语音识别的效果大幅提升到90%以上，具备了商用的基础条件，已经广泛用于各类电子产品中。

目前基于神经网络的语音识别，需要事先训练语音识别模型，模型的效果直接影响到语音识别的性能。语音识别模型的效果和其训练时采用的语料，以及训练和解码方法有关，当前语音识别特别是云端语音识别需要支持多个语音功能，如播放歌曲、查询天气等等，因为功能涉及比较多，因此需要事先搜集各种场景下的对话语料，进行处理后训练生产符合这些功能的模型，再放到计算载体上进行实际应用。随着语音识别支持功能越来越多，所涉及的语料也越来越庞大，而且训练时如果加入了部分功能的语料，可能还会对发音相近的其它一些功能造成负面影响，再加上实际使用中出现的各种口音等问题，造成当前在大量语料训练得到的全功能复杂语音识别应用中，其识别效果难以提升，影响了实际使用中的体验感。

例如现阶段的语音云端识别，可以支持音乐播放，天气查询，数学学习，家电控制等非常多的功能，都是通过某个硬件终端采集处理本地的语音信号，然后直接通过网络传输到语音云服务器，由语音云服务器调用训练好的大模型进行解码。要支持这些海量的功能，就需要事先获取音乐播放、天气、数学学习、家电控制相关的大量语料数据，为保障效果，考虑到不同人说话口音、男声和女声、语速快慢，还需要增加对应的语料进行训练，产生能支持这些功能对应语音命令识别的模型。而这个大模型在使用时，很容易遇到不同功能之间命令词因相差不大，而增加误识别的情况，如用户说“我想开电视”以及“我想买电视”，这个分别属于不同的功能，一些硬件产品设备可能只支持家电控制如开电视，不支持电视购买功能，但另一部分硬件产品设备可能支持电视购买功能，不支持家电控制功能，现有语音云服务器都需要将这些语料收集起来进行训练，做成大模型，但因为这两句话只相差一个字，考虑到不同人说话口音等差异，极有可能误识，造成类似于家电控制设备进行开电视操作时，识别成了买电视，降低了识别效果和体验感，而这个问题难以通过训练和解码的方法进行根治。

发明内容

为克服现有技术存在的技术缺陷，本发明公开了一种语音识别方法。

本发明所述语音识别方法，包括如下步骤：

S1. 对不同语音识别终端，根据其功能编写功能信息；

针对不同功能信息训练不同的语音识别模型，并将按功能信息区分的各个语音识别模型存储在语音命令处理设备中；

S2. 语音识别终端接收到语音命令时，将语音命令及功能信息一起发送给语音命令处理设备；

S3. 语音命令处理设备根据功能信息选择与功能信息匹配的语音识别模型；

S4. 语音命令处理设备调用选择的语音识别模型对语音命令进行识别，识别后将命令发送给语音识别终端。

优选的，所述S1步骤中，针对不同功能信息训练不同的语音识别模型具体为：

训练通用模型，所述通用模型适用于全部功能信息，再利用不同功能信息对应的命令词集合对通用模型进行优化，得到不同的语音识别模型。

优选的，所述语音命令处理设备为语音云服务器或离线语音处理器。