[发明专利]一种多通道语音识别装置及其语音转文字方法

权利要求书

1.一种多通道语音识别装置，其特征在于，包括：电话监听器、声卡、语音功能切换单元、第一语音转文字单元和第二语音转文字单元；

所述电话监听器和调度员的电话机并联在同一根电话线，获取调度员和现场人员通话的2路模拟语音信号；

所述声卡包含第一Line in接口、第二Line in接口、Mic接口，此三个输入接口分别对应接收调度员通话语音、现场人员通话语音、调度员语音指令三个模拟语音信号，通过声卡的模/数电路转换为数字信号，调度员通话语音的数字信号和调度员语音指令的数字信号输出到语音功能切换单元，现场人员通话语音的数字信号输出到第二语音转文字单元；

所述语音功能切换单元负责在所述调度员通话或调度员语音指令两个数字信号进行切换，使得所述第一语音转文字单元同一时间只识别一个数字信号；

所述第一语音转文字单元接收调度员通话的数字信号或调度员语音指令的数字信号，将其识别为相应的文字；

所述第二语音转文字单元接收现场人员通话语音的数字信号，将其识别为相应的文字。

2.根据权利要求1所述的一种多通道语音识别装置，其特征在于，所述声卡、语音功能切换单元、第一语音转文字单元、第二语音转文字单元都内置在同一台电脑内，所述第一语音转文字单元、第二语音转文字单元分别由所述电脑的一个CPU的两个核心并行实现。

3.根据权利要求1所述的一种多通道语音识别装置，其特征在于，还包括：

差频专用词库单元，用于存储分级的专用词汇及其拼音，以供两个语音转文字单元查询，从而提高专用词汇匹配的准确率，词汇的级别由其两个频率的差异决定，即在专用资料中出现的频率越高该词汇级别越高，而在通用资料中出现的频率越高该词汇级别越低，所述词汇指中文词组，一个中文词组包括至少2个中文字，所述专用词汇包括本地专用词汇和专业术语，所述本地专用词汇指仅在本机、本地局域网、一个特定的地域、群体或部门中使用的词汇，同级别的专用词汇存储在同一个子库内，最高级子库为一级子库，以下依次为二级到最低级子库，存储在差频专用词汇库单元中的词汇称之为差频专用词汇或差频词汇。

4.根据权利要求3所述的一种多通道语音识别装置，其特征在于，所述差频专用词库单元包括：一、二、三、四级子库模块，用于存储一、二、三、四级差频词汇及其差频值，同一级子库中差频值越高的词汇在子库排队越前面；

所述一、二、三、四级子库模块由构建单元得到并更新，所述构建单元包括：

文字资料采集模块，用于采集包括本地电力调度日志、工作票、设备记录和通话文本的文字资料，并搜索网络上的电力专业学术文章，所述通话文本由第一语音转文字单元和第二语音转文字单元得到并持续地提供给文字资料采集模块；

专用词频词典模块，用于对采集的文字资料进行清理、分词操作，获得词汇列表，接着对词汇列表进行专用词频统计并保存；其中，专用词频＝该词重复的次数×该词长度/全部资料总字数；

通用词频词典模块，用于对包括人民日报语料库及新浪、搜狐、网易三大网站的新闻进行分词操作，获得词汇列表，接着对词汇列表进行通用词频统计并保存，其中，通用词频＝该词重复的次数×该词长度/全部资料总字数；

差频操作模块，用于对专用词频词典的每个词汇做差频操作，所述差频操作即：

差频值＝一个词汇的专用词频－k×其通用词频，此处k为固定的系数；

差频分配模块，用于将差频值排名前25％的词汇存入一级子库模块，26％至50％的词汇存入二级子库模块，51％至75％的词汇存入三级子库模块，其它大于0的词汇存入四级，差频值小于或等于0的舍去。

5.根据权利要求1所述的一种多通道语音识别装置，其特征在于，所述第一语音转文字单元与第二语音转文字单元相同，都包括以下模块：

级别优先匹配模块：语音转拼音后得到字母和音调组成的一个拼音串，设其名为A，A变成文字的过程中，优先与差频专用词库单元的一级子库模块存储词汇的拼音匹配，匹配成功则A的部分拼音变成文字，匹配不成功再考虑下一级，直到最后一级子库模块；

频率优先匹配模块：在级别优先匹配模块完成匹配之后，对A余下的拼音与通用词汇的拼音进行匹配，通用资料中出现的频率高的非专用词汇优先匹配，最后余下的拼音与单个中文字的拼音匹配。