用于识别语音的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及信息处理技术领域，尤其涉及用于识别语音的方法和装置。

背景技术：

目前，在语音识别过程中，用户通过终端向服务器发送语音信息之后，服务器会对该语音信息进行语音识别，得到一段与该语音信息对应的文字信息。服务器会将这段文字信息发送到终端，以供终端进行显示。现阶段，服务器一般采用相同的手段处理不同用户输入的语音信息，因此，当不同用户发送相同语音信息时，服务器识别出的文字信息相同。

技术实现要素：

本申请实施例的目的在于提出一种用于识别语音的方法和装置。

第一方面，本申请实施例提供了一种用于识别语音的方法，该方法包括：接收用户通过终端发送的语音信息，同时获取所述用户的用户标识；对所述语音信息进行识别，得到第一识别文本；根据所述用户的用户标识确定与所述用户的用户标识关联存储的词语信息集合；根据确定的词语信息集合中的词语信息对所述第一识别文本进行处理，得到第二识别文本，并将所述第二识别文本发送到所述终端。

在一些实施例中，所述词语信息集合中的词语信息包括所述用户通过输入法应用输入的历史字符串、历史字符串对应的输入结果、历史字符串对应的候选结果。

在一些实施例中，所述方法还包括：接收所述用户所使用的目标终端发送的输入记录信息，其中，所述输入记录信息是所述目标终端检测到所述用户通过输入法应用输入的输入字符串的输入结果与输入法应用针对输入字符串提供的候选结果不一致而生成的，其中，所述输入记录信息包括用户的用户标识、用户通过输入法应用输入的输入字符串的输入结果、输入法应用针对输入字符串提供的候选结果；将所述输入记录信息中的、用户通过输入法应用输入的输入字符串的输入结果、输入法应用针对输入字符串提供的候选结果存储到与用户的用户标识关联的词语信息集合。

在一些实施例中，所述根据确定的词语信息集合中的词语信息对所述第一识别文本进行处理，得到第二识别文本，包括：确定所述第一识别文本中是否包含所述词语信息集合中的历史字符串对应的候选结果；响应于确定所述第一识别文本中包含所述词语信息集合中的历史字符串对应的候选结果，使用历史字符串对应的输入结果替换历史字符串对应的候选结果。

第二方面，本申请实施例提供了一种用于识别语音的装置，该装置包括：第一接收单元，用于接收用户通过终端发送的语音信息，同时获取所述用户的用户标识；识别单元，用于对所述语音信息进行识别，得到第一识别文本；确定单元，用于根据所述用户的用户标识确定与所述用户的用户标识关联存储的词语信息集合；发送单元，用于根据确定的词语信息集合中的词语信息对所述第一识别文本进行处理，得到第二识别文本，并将所述第二识别文本发送到所述终端。

在一些实施例中，所述词语信息集合中的词语信息包括所述用户通过输入法应用输入的历史字符串、历史字符串对应的输入结果、历史字符串对应的候选结果。

在一些实施例中，所述装置还包括：第二接收单元，用于接收所述用户所使用的目标终端发送的输入记录信息，其中，所述输入记录信息是所述目标终端检测到所述用户通过输入法应用输入的输入字符串的输入结果与输入法应用针对输入字符串提供的候选结果不一致而生成的，其中，所述输入记录信息包括用户的用户标识、用户通过输入法应用输入的输入字符串的输入结果、输入法应用针对输入字符串提供的候选结果；存储单元，用于将所述输入记录信息中的、用户通过输入法应用输入的输入字符串的输入结果、输入法应用针对输入字符串提供的候选结果存储到与用户的用户标识关联的词语信息集合。

在一些实施例中，所述发送单元进一步用于：确定所述第一识别文本中是否包含所述词语信息集合中的历史字符串对应的候选结果；响应于确定所述第一识别文本中包含所述词语信息集合中的历史字符串对应的候选结果，使用历史字符串对应的输入结果替换历史字符串对应的候选结果。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于识别语音的方法和装置，首先接收用户通过终端发送的语音信息，同时获取该用户的用户标识，之后对该语音信息进行识别，得到第一识别文本，然后根据该用户的用户标识确定与该用户的用户标识关联存储的词语信息集合，最后根据确定的词语信息集合中的词语信息对上述第一识别文本进行处理，得到第二识别文本，并将上述第二识别文本发送到上述终端，从而提高了语音识别的准确性，满足了用户的个性化需求。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于识别语音的方法的一个实施例的流程图；

图3是根据本申请的用于识别语音的方法的一个应用场景的示意图；

图4是根据本申请的用于识别语音的装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

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。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于识别语音的方法或用于识别语音的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持语音输入的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(movingpictureexpertsgroupaudiolayeriii，动态影像专家压缩标准音频层面3)、mp4(movingpictureexpertsgroupaudiolayeriv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的信息提供支持的后台服务器。后台服务器可以对接收到的语音信息等数据进行语音识别等处理，并将处理结果(例如文本信息)反馈给终端设备。

需要说明的是，本申请实施例所提供的用于识别语音的方法一般由服务器105执行，相应地，用于识别语音的装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的用于识别语音的方法的一个实施例的流程200。该用于识别语音的方法，包括以下步骤：

步骤201，接收用户通过终端发送的语音信息，同时获取用户的用户标识。

在本实施例中，用于识别语音的方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从用户利用其进行语音信息输入的终端接收语音信息。其中，上述语音信息是指用户通过语音形式发送的信息。同时上述电子设备还可以获取上述用户的用户标识，上述用户标识可以是各种用于表明用户身份的标识，例如，账号、用户名、昵称等等。需要指出的是，上述无线连接方式可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。

步骤202，对语音信息进行识别，得到第一识别文本。

在本实施例中，基于步骤201接收到的语音信息，上述电子设备可以对该语音信息进行识别，从而得到第一识别文本。需要说明的是，如何对语音进行文字识别是目前广泛研究和应用的公知技术，在此不再赘述。

步骤203，根据用户的用户标识确定与用户的用户标识关联存储的词语信息集合。

在本实施例中，上述电子设备中可以预先存储有至少一个与用户标识关联存储的词语信息集合。上述词语信息集合中可以包括至少一个输入字符串、输入字符串对应的输入结果和输入字符串对应的候选结果。其中，输入字符串可以是指上述用户某次信息输入过程中通过键盘等输入的字符串，例如，汉语拼音，输入字符串对应的输入结果可以是指用户该次信息输入过程实际输入的文本，输入字符串对应的候选结果可以是指针对输入字符串服务器可能识别出的结果。上述词语信息集合中的词语信息可以是通过各种方式得到的，例如，可以是由用户根据自己的实际需要设置的。作为示例，服务器将用户a发送的语音信息进行语音识别，并将识别出的识别文本发送到用户a所使用的终端，用户a根据终端所显示的识别文本确定服务器识别出的识别文本与实际需要的目标文本不一致，此时，用户可以将该识别文本对应的汉语拼音作为输入字符串、将目标文本作为输入结果、将识别文本作为候选结果，设置词语信息集合中的词语信息。根据步骤201获取的上述用户的用户标识，上述电子设备可以确定与上述用户的用户标识关联存储的词语信息集合。

步骤204，根据确定的词语信息集合中的词语信息对第一识别文本进行处理，得到第二识别文本，并将第二识别文本发送到终端。

在本实施例中，上述电子设备可以根据步骤203确定的词语信息集合中的词语信息对步骤202中识别出的第一识别文本进行处理，例如，可以根据确定的词语信息集合中的词语信息对第一识别文本中的文本进行查找、替换、删除等处理，得到处理后的第二识别文本，并将该第二识别文本发送到上述终端，以供上述终端进行显示。

在本实施例的一些可选的实现方式中，上述词语信息集合中的词语信息可以包括用户通过输入法应用输入的历史字符串、历史字符串对应的输入结果、历史字符串对应的候选结果。上述历史字符串可以是由字母等组成的字符串，例如，可以是汉语拼音。作为示例，上述用户可以通过上述终端或其他终端上安装的输入法应用输入历史字符串，针对该历史字符串，输入法应用可以为上述用户推送候选结果，有时，输入法应用推送的候选结果与上述用户想要输入的内容并不一致，例如，当一个名字叫“魏婧”的用户第一次通过输入法应用输入拼音“weijing”时，可能输入法应用推送的候选结果为“味精”、“胃镜”等等，而实际上该用户想要输入的是自己的名称，并且经过调整后用户最终输入的输入结果为“魏婧”。

在一些可选的实现方式中，上述步骤204可以具体包括：首先，上述电子设备可以确定上述第一识别文本中是否包含上述词语信息集合中的历史字符串对应的候选结果；然后，响应于确定上述第一识别文本中包含上述词语信息集合中的历史字符串对应的候选结果，上述电子设备可以使用历史字符串对应的输入结果替换历史字符串对应的候选结果。例如，第一识别文本为“给味精拨打电话”，经过对比分析等处理，上述电子设备可以确定该第一识别文本中包含词语信息集合中历史字符串“weijing”对应的候选结果“味精”，则使用历史字符串“weijing”对应的输入结果“魏婧”替换第一识别文本中的“味精”，从而得到第二识别文本。

在本实施例的一些可选的实现方式中，上述方法还可以包括：

首先，上述电子设备可以接收上述用户所使用的目标终端发送的输入记录信息，其中，上述输入记录信息可以是上述目标终端检测到上述用户通过输入法应用输入的输入字符串的输入结果与输入法应用针对输入字符串提供的候选结果不一致而生成的，其中，上述输入记录信息可以包括用户的用户标识、用户通过输入法应用输入的输入字符串的输入结果、输入法应用针对输入字符串提供的候选结果，在这里，上述目标终端可以是上述用户利用其上安装的输入法应用进行信息输入的终端，目标终端可以与用户利用其发送语音信息的终端相同，也可以不同。作为示例，上述目标终端与上述用户的用户标识是相关联的，通过用户标识可以将目标终端与用户的词语信息集合联系起来。

然后，上述电子设备可以将上述输入记录信息中的、用户通过输入法应用输入的输入字符串的输入结果、输入法应用针对输入字符串提供的候选结果存储到与用户的用户标识关联的词语信息集合。

通过上述实现方式上述电子设备可以根据上述用户的实际输入需求不断完善与上述用户的用户标识关联存储的词语信息集合中的词语信息。

继续参见图3，图3是根据本实施例的用于识别语音的方法的应用场景的一个示意图。在图3的应用场景中，用户首先通过智能手机发送语音信息“给魏婧拨打电话”，智能手机可以将该语音信息发送到服务器，服务器接收该语音信息，并获取该用户的用户标识；之后，服务器可以对上述语音信息进行识别，得到第一识别文本“给味精拨打电话”；然后，服务器可以根据上述用户的用户标识确定与上述用户的用户标识关联存储的词语信息集合，其中，该词语信息集合中存储有历史字符串：weijing，weijing对应的输入结果：魏婧，weijing对应的候选结果：味精；最后，服务器根据确定的词语信息集合中的词语信息将上述第一识别文本中的“味精”使用“魏婧”替换，得到第二识别文本“给魏婧拨打电话”，并将第二识别文本发送到用户所使用的智能手机，由智能手机进行显示，就会如图3所示。

本申请的上述实施例提供的方法通过使用与用户的用户标识关联存储的词语信息集合对识别出的第一识别文本进行处理，从而提高了语音识别的准确性，满足了用户的个性化需求。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于识别语音的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的用于识别语音的装置400包括：第一接收单元401、识别单元402、确定单元403和发送单元404。第一接收单元401用于接收用户通过终端发送的语音信息，同时获取所述用户的用户标识；识别单元402用于对所述语音信息进行识别，得到第一识别文本；确定单元403用于根据所述用户的用户标识确定与所述用户的用户标识关联存储的词语信息集合；发送单元404用于根据确定的词语信息集合中的词语信息对所述第一识别文本进行处理，得到第二识别文本，并将所述第二识别文本发送到所述终端。

在本实施例中，用于识别语音的装置400的第一接收单元401、识别单元402、确定单元403和发送单元404。的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，所述词语信息集合中的词语信息包括所述用户通过输入法应用输入的历史字符串、历史字符串对应的输入结果、历史字符串对应的候选结果。

在本实施例的一些可选的实现方式中，所述装置还包括：第二接收单元(图中未示出)，用于接收所述用户所使用的目标终端发送的输入记录信息，其中，所述输入记录信息是所述目标终端检测到所述用户通过输入法应用输入的输入字符串的输入结果与输入法应用针对输入字符串提供的候选结果不一致而生成的，其中，所述输入记录信息包括用户的用户标识、用户通过输入法应用输入的输入字符串的输入结果、输入法应用针对输入字符串提供的候选结果；存储单元(图中未示出)，用于将所述输入记录信息中的、用户通过输入法应用输入的输入字符串的输入结果、输入法应用针对输入字符串提供的候选结果存储到与用户的用户标识关联的词语信息集合。

在本实施例的一些可选的实现方式中，所述发送单元进一步用于：确定所述第一识别文本中是否包含所述词语信息集合中的历史字符串对应的候选结果；响应于确定所述第一识别文本中包含所述词语信息集合中的历史字符串对应的候选结果，使用历史字符串对应的输入结果替换历史字符串对应的候选结果。

下面参考图5，其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(cpu，centralprocessingunit)501，其可以根据存储在只读存储器(rom，readonlymemory)502中的程序或者从存储部分506加载到随机访问存储器(ram，randomaccessmemory)503中的程序而执行各种适当的动作和处理。在ram503中，还存储有系统500操作所需的各种程序和数据。cpu501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o，input/output)接口505也连接至总线504。

以下部件连接至i/o接口505：包括硬盘等的存储部分506；以及包括诸如lan(局域网，localareanetwork)卡、调制解调器等的网络接口卡的通信部分507。通信部分507经由诸如因特网的网络执行通信处理。驱动器508也根据需要连接至i/o接口505。可拆卸介质509，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器508上，以便于从其上读出的计算机程序根据需要被安装入存储部分506。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分507从网络上被下载和安装，和/或从可拆卸介质509被安装。在该计算机程序被中央处理单元(cpu)501执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一接收单元、识别单元、确定单元和发送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一接收单元还可以被描述为“接收用户通过终端发送的语音信息，同时获取所述用户的用户标识的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：接收用户通过终端发送的语音信息，同时获取所述用户的用户标识；对所述语音信息进行识别，得到第一识别文本；根据所述用户的用户标识确定与所述用户的用户标识关联存储的词语信息集合；根据确定的词语信息集合中的词语信息对所述第一识别文本进行处理，得到第二识别文本，并将所述第二识别文本发送到所述终端。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。