语音识别方法及装置与流程

本发明涉及语音识别技术领域，特别是一种语音识别方法及装置。

背景技术：

随着语音交互技术的愈发成熟，目前针对基于语音交互的产品或方法，由于存在多音字、多种结果或者不常见用语等特殊情况，容易产生识别精度不高的问题，比如用户发出的语音指令为“芙蓉街”，语音识别的时候用户期望识别成“芙蓉街”，但是实际语音识别可能识别成“阜荣街”，和客户预期的识别结果就有出入，导致识别精度不高的问题。

技术实现要素：

发明人经实践和经验总结发现，用户进行语音指令，有时候是基于应用界面发出的。而且，发明人进一步想到，随着语音交互技术的快速发展，由于其能方便地为用户提供服务，可见即可说已经成为一种不可阻挡的发展趋势。在这种趋势下，第三方应用的操作趋势由目前的手动操作，发展成基于语音指令进行操作，将成为主流。为此，发明人想到了解决上述问题的新构思：从其它应用(如app)的用户界面对应的内容进行注册，这样针对用户界面发出的语音指令，会根据界面分词进行匹配，根据匹配结果作为识别结果。这样可以提供语音识别的精度，增强用户的体验感。

根据本发明的第一方面，提供了一种语音识别方法，包括如下步骤：

获取用户界面内容；

将用户界面内容进行注册；

在接收到用户语音指令时，根据注册的内容确定对用户语音指令的识别结果。

根据本发明的第二方面，提供了一种语音识别装置，包括

界面内容获取模块，用于获取用户界面内容；

界面内容提取模块，用于将用户界面内容进行注册；

语音识别模块，用于在接收到用户语音指令时，根据注册的内容确定对用户语音指令的识别结果。

根据本发明的第三个方面，提供了一种电子设备，其包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法的步骤。

根据本发明的第四个方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

根据本发明提供的方法及装置，可以实现在语音交互的过程中增强语音识别的精度的效果，并且极大的增加了用户的体验感。

附图说明

图1为本发明一实施方式的语音识别方法流程图；

图2为本发明又一实施方式的语音识别方法流程图；

图3为本发明一实施方式的语音识别装置原理框图；

图4为本发明一实施方式的电子设备的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本发明实施例的语音识别方法可以应用于任何配置了语音功能的终端设备，例如，智能手机、平板电脑、智能家居等终端设备，本发明对此不作限制，从而能够使得用户在使用这些终端设备的过程中获得更及时准确的响应，提升用户体验。

下面结合附图对本发明作进一步详细的说明。

图1示意性地显示了根据本发明一实施方式的语音识别方法流程图，如图1所示，本实施例包括如下步骤：

步骤s101：获取用户界面内容。用户界面为终端设备上安装的各个app的用户界面，获取方式可以通过各个app用户界面的api接口获取。

步骤s102：将用户界面内容进行注册。对各个用户界面内容分别进行分词提取，分词提取是一门成熟的技术，可以参照现有技术实现，例如“你好小驰”里面的分词有“你好”“小驰”，以词组为单元进行提取。将提取出来的分词确定为该用户界面的界面分词。之后，将确定的界面分词在识别引擎中通过识别引擎的接口进行注册。

步骤s103：在接收到用户语音指令时，根据注册的内容确定对用户语音指令的识别结果。具体实现为：对接收到的用户语音指令进行语音识别，语音识别的方式可以参照现有技术，获取第一识别结果，其中第一识别结果是根据传统或现有的语音识别方式得到的识别结果。将第一识别结果与上个步骤已经注册的界面分词进行相似度匹配，如果匹配成功就将该第一识别结果作为最终识别结果，示例性地，用户发出的语音指令为“芙蓉街”，通过现有的语音识别会得到第一识别结果为“阜荣街”，将“阜荣街”与注册的界面分词基于发音进行匹配，就会匹配到“芙蓉街”的界面分词，这种情况下，就将第一识别结果的最终识别结果修正为“芙蓉街”，即在匹配到相同或相似发音的界面分词时，优选选用界面分词作为识别结果。如果匹配失败，将根据现有的语音识别方式将第一识别结果作为最终识别结果。示例性地，如果没有匹配到相似的界面分词，就将第一识别结果“阜荣街”作为识别结果。

本发明实施例对于用户在相应用户界面进行语音交互的场景，可以快速且精准的匹配到用户的语音识别结果，提高识别精度，避免因多音字、生僻字等特殊情况而产生的问题，且能够有效实现“所见即所述”的目的，使得所有的用户界面操作都可以通过语音交互实现，丰富用户的语音交互体验，且使得用户使用各种用户界面进行操作的方式更加丰富且友好。

图2示意性地显示了根据本发明又一实施方式的语音识别方法流程图，如图2所示，本实施例包括：

步骤s201：获取用户界面内容。其具体的实现方式可以参照步骤s101的实现方式。

步骤s202：为获取的用户界面内容配置用户界面标识。具体实现为：根据用户界面所属的app为获取的用户界面内容配置用于唯一标识该用户界面的标识符，标识符的内容可以是包含有用于标识app的字段和用于标识用户界面的字段。示例性地，对音乐播放app的播放列表的用户界面可以为其分配标识符：music.playlist001。music表示音乐播放app，playlist表示播放列表，001表示播放列表的第一个用户界面。

其中，在优选实施例中用于标识用户界面的字段可以直接采用音乐播放app自身的用户界面id。

在一些实施例中用户界面标识还是可以是终端设备系统或相应应用软件对其的标识id，只要达到有效标识各用户界面的目的即可，本发明实施例不对具体实现方式进行限制。

步骤s203：将用户界面内容进行注册。其实现方法与步骤s102基本相同，不同之处在于对各用户界面内容进行分词提取，确定界面分词后，将界面分词在识别引擎中进行注册，并为之关联对应的用户界面标识，即将界面分词所属的用户界面的用户界面标识也进行注册。

步骤s204：在接收到用户语音指令时，根据注册的内容和用户界面标识确定对用户语音指令的识别结果。具体实现为：在接收到用户语音指令时，通过调用相应的系统接口获取当前所在的用户界面，确定其用户界面标识。之后，根据当前所在用户界面的用户界面标识，获取当前用户界面已注册的界面分词。对接收到的用户语音指令进行语音识别，获取第一识别结果。将第一识别结果与当前用户界面的已注册界面分词进行匹配，根据匹配结果确定第一识别结果的最终识别结果。

根据本实施例因为具有用户界面标识，因而语音交互过程中，对第一识别结果的进一步识别是基于当前用户界面的，能够有效地分辨出是否是基于当前用户界面发出的用户语音指令，可以更加精准的匹配到识别结果，具有更高的语音识别精准度。

图3示意性地显示了根据本发明一实施方式的语音识别装置原理框图，如图3所示，语音识别装置包括：界面内容获取模块4、界面内容提取模块5和语音识别模块6。

界面内容获取模块4用于获取用户界面内容，实现为与各个app用户界面的api接口连接，根据该接口获取用户界面内容。

界面内容提取模块5用于将用户界面内容进行注册，其包括有分词提取单元501和分词注册单元502，分词提取单元501用于对用户界面内容进行分词提取，确定界面分词。分词注册单元502用于将界面分词在识别引擎中进行注册。该分词注册单元502的注册内容可以是只注册界面分词，也可以是将界面分词用界面标识来区别注册。具体实现方式可以参照上述的方法部分。

语音识别模块6用于在接收到用户语音指令时，根据注册的内容确定对用户语音指令的识别结果。其包括有识别单元601和识别校验单元602。识别单元601用于对接收到的用户语音指令进行语音识别，获取第一识别结果，可以采用现有的语音识别模块。识别校验单元602用于将第一识别结果与注册的界面分词进行匹配，根据匹配结果确定第一识别结果的最终识别结果。其中，可以将第一识别结果与所有已注册界面分词匹配，还可以将第一识别结果与当前用户界面的已注册界面分词进行匹配。具体实现方式可以参照上述的方法部分。

本发明实施例的装置可以针对用户界面发出的语音指令，在进行语音识别后，进一步根据界面分词进行匹配，根据匹配结果修正识别结果，这样可以提供语音识别的精度。并且，本发明实施例的装置是基于提取用户界面的分词进行结果修正的，因而能够有效扩展各种应用的交互方式，使得语音交互在各种应用中都发挥左右，实现“可见即可说”，增强用户的体验感。

在一些实施例中，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项语音识别方法。

在一些实施例中，本发明实施例还提供一种计算机程序产品，计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当所程序指令被计算机执行时，使计算机执行上述任一项语音识别方法。

在一些实施例中，本发明实施例还提供一种电子设备，其包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被所述至少一个处理器执行，以使至少一个处理器能够执行语音识别方法。

在一些实施例中，本发明实施例还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时语音识别方法。

上述本发明实施例的语音识别装置可用于执行本发明实施例的语音识别方法，并相应的达到上述本发明实施例的实现语音识别方法所达到的技术效果，这里不再赘述。本发明实施例中可以通过硬件处理器(hardwareprocessor)来实现相关功能模块。

图4是本申请另一实施例提供的执行语音识别方法的电子设备的硬件结构示意图，如图4所示，该设备包括：

一个或多个处理器410以及存储器420，图4中以一个处理器410为例。

执行语音识别方法的设备还可以包括：输入装置430和输出装置440。处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图4中以通过总线连接为例。

存储器420作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的语音识别方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的语音识别方法。

存储器420可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据语音识别装置的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至语音识别装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可接收输入的数字或字符信息，以及产生与语音识别装置的用户设置以及功能控制有关的信号。输出装置440可包括显示屏等显示设备。

上述一个或者多个模块存储在所述存储器420中，当被所述一个或者多个处理器410执行时，执行上述任意方法实施例中的语音识别方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本申请实施例的电子设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如ipad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。