一种语音识别方法及系统与流程

本发明涉及语音识别技术领域，具体涉及一种语音识别方法及系统。

背景技术：

随着科学技术的发展，语音交互逐渐普及到日常生活中。语音交互是基于语音输入的交互模式，即通过说话就可以得到反馈结果。

目前较为常见的语音交互方式是通过麦克风采集语音数据，将语音数据通过处理器进行处理后得到反馈结果。但是，现有语音交互技术仅仅将语音识别结果通过功放播放出来，在噪声嘈杂的环境中，用户无法听清楚语音识别结果，导致用户不知道最终的语音识别结果。用户使用体验度低和使用不方便。

技术实现要素：

有鉴于此，本发明实施例提供一种语音识别方法及系统，以解决现有语音交互技术存在的用户使用体验度低和使用不方便等问题。

为实现上述目的，本发明实施例提供如下技术方案：

本发明实施例第一方面公开了一种语音识别系统，所述系统包括：语音采集装置、服务器、显示装置和中央处理器；

所述语音采集装置与所述中央处理器连接，用于将采集到的语音模拟数据转换为语音数字数据，并将所述语音数字数据传输给所述中央处理器；

所述中央处理器分别与所述服务器和显示装置连接，用于将所述语音数字数据传输给所述服务器，并接收所述服务器反馈的语音识别结果，以及将所述语音识别结果发送给所述显示装置；

所述服务器，用于接收所述中央处理器传输的所述语音数字数据，处理所述语音数字数据得到所述语音识别结果，将所述语音识别结果反馈给所述中央处理器；

所述显示装置，用于接收并显示所述语音识别结果。

优选的，所述系统还包括：图像采集装置；

所述图像采集装置与所述中央处理器连接，用于采集图像数据，并将所述图像数据传输给所述中央处理器；

相应地，所述中央处理器，还用于将所述图像数据传输至所述服务器，并接收所述服务器反馈的图像处理结果，将所述图像处理结果发送至所述显示装置；

所述服务器，还用于对所述图像数据进行处理，并将得到的图像处理结果反馈给所述中央处理器；

所述显示装置，还用于显示所述图像处理结果。

优选的，所述图像采集装置包括摄像头。

优选的，所述系统还包括：播放装置；

所述中央处理器与所述播放装置连接，所述中央处理器，还用于将所述语音识别结果传输给所述播放装置；

所述播放装置，用于接收并播放所述中央处理器传输的所述语音识别结果。

优选的，所述播放装置包括音效功放。

优选的，所述系统还包括：led阵列；

所述中央处理器与所述led阵列连接，所述中央处理器，还用于识别所述语音采集装置采集所述语音模拟数据的方向；

所述led阵列，用于指示所述语音采集装置采集所述语音模拟数据的方向。

优选的，所述语音采集装置包括麦克风。

优选的，所述显示装置包括液晶显示器。

本发明实施例第二方面公开了一种语音识别方法，适用于本发明实施例第一方面公开的语音识别系统，所述语音识别系统包括语音采集装置、服务器、显示装置和中央处理器，所述方法包括：

所述语音采集装置将采集到的语音模拟数据转换为语音数字数据，并发送给所述中央处理器；

所述中央处理器将所述语音数字数据发送给所述服务器进行处理，得到语音识别结果；

所述服务器将所述语音识别结果反馈给所述中央处理器；

所述中央处理器将所述语音识别结果发送给所述显示装置，使所述显示装置显示所述语音识别结果。

优选的，还包括：

所述中央处理器将所述语音识别结果发送给播放装置，使所述播放装置播放所述语音识别结果。

基于上述本发明实施例提供的一种语音识别方法及系统，该方法适用于语音识别系统，语音识别系统包括语音采集装置、服务器、显示装置和中央处理器。该方法为：语音采集装置将采集到的语音模拟数据转换为语音数字数据，并发送给中央处理器。中央处理器将语音数字数据发送给服务器进行处理，得到语音识别结果。服务器将语音识别结果反馈给中央处理器。中央处理器将语音识别结果给显示装置。使显示装置显示语音识别结果。在本方案中，通过语音采集装置采集语音数据并发送给中央处理器，中央处理器将语音数据发送至服务器进行处理得到语音识别结果，中央处理器将语音识别结果发送给显示装置显示语音识别结果，在噪声嘈杂的情况下，采用显示装置显示语音识别结果可以提高用户使用体验和提高使用便捷性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种语音识别方法的流程图；

图2为本发明实施例提供的一种语音识别系统的结构框图；

图3为本发明实施例提供的一种语音识别系统的结构框图；

图4为本发明实施例提供的一种语音识别系统的结构框图；

图5为本发明实施例提供的一种语音识别系统的结构框图；

图6为本发明实施例提供的一种语音识别系统的架构示意图。

具体实施方式

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，所描述的实施例仅仅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。

在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，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“包括一个……”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。

由背景技术可知，现有语音交互技术仅仅将语音识别结果通过功放播放出来，在噪声嘈杂的环境中，用户无法听清楚语音识别结果，导致用户不知道最终的语音识别结果。用户使用体验度低和使用不方便。

因此，本发明实施例提供一种语音识别方法及系统，通过语音采集装置采集语音数据并发送给中央处理器，中央处理器将语音数据发送至服务器进行处理得到语音识别结果，中央处理器将语音识别结果发送给显示装置显示语音识别结果，以解决现有语音交互技术存在的用户使用体验度低和使用不方便的问题。

参考图1，示出了本发明实施例提供的一种语音识别方法的流程图，该方法适用于语音识别系统，所述语音识别系统包括语音采集装置、服务器、显示装置和中央处理器，所述方法包括以下步骤：

步骤s101：所述语音采集装置将采集到的语音模拟数据转换为语音数字数据，并发送给所述中央处理器。

在具体实现步骤s101的过程中，所述语音采集装置包括但不仅限于麦克风，所述语音采集装置将采集到的所述语音模拟数据转换成所述语音数字数据，并通过集成电路内置音频总线(inter-icsound，i2s)接口或者脉冲密度调制(pulsedensitymodulation，pdm)接口将所述语音数字数据发送给所述中央处理器。

优选的，在具体实现步骤s101的过程中，所述中央处理器识别所述语音采集装置采集所述语音模拟数据的方向，并通过led阵列指示所述语音采集装置采集所述语音模拟数据的方向。

优选的，在具体实施步骤s101的过程中，使用图像采集装置采集图像数据，并将所述图像数据传输给所述中央处理器。所述图像采集装置包括但不仅限于摄像头。

步骤s102：所述中央处理器将所述语音数字数据发送给所述服务器进行处理，得到语音识别结果。

在具体实现步骤s102的过程中，所述中央处理器通过无线网络将所述语音数字数据发送给所述服务器进行处理，得到语音识别结果。

优选的，所述中央处理还通过无线网络将所述图像数据发送给所述服务器进行处理，得到图像处理结果。

步骤s103：所述服务器将所述语音识别结果反馈给所述中央处理器。

在具体实现步骤s103的过程中，所述服务器通过无线网络将所述语音识别结果反馈给所述中央处理器。

优选的，所述服务器还通过无线网络将所述图像处理结果反馈给所述中央处理器。

步骤s104：所述中央处理器将所述语音识别结果发送给所述显示装置，使所述显示装置显示所述语音识别结果。

在具体实现步骤s104的过程中，所述显示装置以文字和/或图像的方式显示所述语音识别结果。为更好解释说明如何使用所述显示装置显示所述语音识别结果，通过过程a1-a4进行举例说明：

a1、假设语音采集装置采集到的语音模拟数据为“明天a市的天气怎么样”，将语音模拟数据转换成语音数字数据并发送给中央处理器。

a2、所述中央处理器将所述语音数字数据发送给服务器进行处理，得到包含天气预报信息的语音识别结果。

a3、所述服务器将包含天气预报信息的语音识别结果反馈给所述中央处理器，所述中央处理器将包含天气预报信息的语音识别结果发送给所述显示装置。

a4、所述显示装置以文字的形式显示“明天a市的天气为：晴天”等信息。

可选的，假设所述中央控制器还与led阵列连接，在执行过程a1时，所述中央控制器通过控制led阵列中的led灯的状态，指示所述语音采集装置采集到的语音模拟数据的方向。

比如所述语音采集装置采集到的语音模拟数据的方向为正东方，则通过所述led阵列中的led灯的亮灭状态指示所述语音采集装置采集到的语音模拟数据的方向为正东方。

可选的，假设所述中央控制器还与播放装置连接，在执行过程a3时，所述中央控制器还将所述语音识别结果发送给所述播放装置，使所述播放装置播放“明天a市的天气为：晴天”的语音信息。

需要说明的是，上述a1-a4中的内容仅仅适用于举例说明。

优选的，所述中央处理器还将所述语音识别结果发送给播放装置，使所述播放装置播放所述语音识别结果。所述播放装置包括但不仅限于音效功放，可以为任一具有播放音效功能的设备，具体由技术人员根据实际情况进行选择和使用。所述播放装置接收到所述中央处理器发送的形式为数字信号的语音识别结果，所述播放装置将所述语音识别结果从数字信号转换成模拟信号，并进行播放。在播放所述语音识别结果的同时，通过i2s接口或者模数转换器回采已经播放的语音识别结果，将回采得到的数据反馈给所述中央处理器。

为更好的解释说明上述涉及到的图像采集装置相关的内容，下面通过过程b1-b4进行举例说明：

b1、假设图像采集装置采集到的图像数据为b产品的形状，并将包含所述b产品的形状的所述图像数据发送给中央处理器。

b2、所述中央处理器将所述图像数据发送给服务器进行处理，得到包含b产品信息的图像处理结果。

b3、所述服务器将包含b产品信息的图像处理结果反馈给所述中央处理器，所述中央处理器将包含b产品信息的图像处理结果发送给显示装置。

b4、所述显示装置显示所述包含b产品信息的图像处理结果，比如显示所述b产品的样品图片、名称、价格以及用途等信息。

需要说明的是，上述过程b1-b4涉及到的内容仅用于举例说明。

在本发明实施例中，通过语音采集装置采集语音数据并发送给中央处理器，中央处理器将语音数据发送至服务器进行处理得到语音识别结果，中央处理器将语音识别结果发送给显示装置显示语音识别结果，在噪声嘈杂的情况下，采用显示装置显示语音识别结果可以提高用户使用体验和提高使用便捷性。

与上述本发明实施例提供的一种语音识别方法相对应，参考图2，示出了本发明实施例提供的一种语音识别系统的结构框图，所述系统包括：语音采集装置201、服务器202、显示装置203和中央处理器204。

所述语音采集装置201与所述中央处理器204连接，用于将采集到的语音模拟数据转换为语音数字数据，并将所述语音数字数据传输给所述中央处理器204。

在具体实现中，所述语音采集装置201将采集到的所述语音模拟数据转换成所述语音数字数据，并通过i2s接口或者pdm接口将所述语音数字数据发送给所述中央处理器204。需要说明的是，所述语音采集装置201包括但不仅限于麦克风，可以为任一具有采集语音功能的设备，具体由技术人员根据实际情况进行选择和使用。

所述中央处理器204分别与所述服务器202和显示装置203连接，用于将所述语音数字数据传输给所述服务器202，并接收所述服务器202反馈的语音识别结果，以及将所述语音识别结果发送给所述显示装置203。

在具体实现中，所述中央处理器204通过无线网络将所述语音数字数据发送给所述服务器202进行处理，得到语音识别结果。需要说明的是，所述中央处理器204可以为任一具有处理数据功能的芯片。

所述服务器202，用于接收所述中央处理器204传输的所述语音数字数据，处理所述语音数字数据得到所述语音识别结果，将所述语音识别结果反馈给所述中央处理器204。

所述显示装置202，用于接收并显示所述语音识别结果。

在具体实现中，所述显示装置202以文字和/或图像的方式显示所述语音识别结果。需要说明的是，所述显示装置202包括但不仅限于液晶显示器，可以为任一具有显示功能的设备，具体由技术人员根据实际情况进行选择和使用。

在本发明实施例中，通过语音采集装置采集语音数据并发送给中央处理器，中央处理器将语音数据发送至服务器进行处理得到语音识别结果，中央处理器将语音识别结果发送给显示装置显示语音识别结果，在噪声嘈杂的情况下，采用显示装置显示语音识别结果可以提高用户使用体验和提高使用便捷性。

优选的，结合图2，参考图3，示出了本发明实施例提供的一种语音识别系统的结构框图，所述系统还包括：图像采集装置205。

所述图像采集装置205与所述中央处理器204连接，用于采集图像数据，并将所述图像数据传输给所述中央处理器204。

相应的，所述中央处理器204，还用于将所述图像数据传输至所述服务器202，并接收所述服务器202反馈的图像处理结果，将所述图像处理结果发送至所述显示装置203。

所述服务器202，还用于对所述图像数据进行处理，并将得到的图像处理结果反馈给所述中央处理器204。

所述显示装置203，还用于显示所述图像处理结果。

需要说明的是，所述图像采集装置205包括但不仅限于摄像头，可以为任一具有图像采集功能的设备，具体由技术人员根据实际情况进行选择和使用。

在本发明实施例中，通过图像采集装置采集图像数据并发送给中央处理器，中央处理器将图像数据发送至服务器进行处理得到图像处理结果，中央处理器将图像处理结果发送给显示装置显示图像处理结果，提高用户使用体验和提高使用便捷性。

优选的，结合图2，参考图4，示出了本发明实施例提供的一种语音识别系统的结构框图，所述系统还包括：播放装置206。

所述中央处理器204与所述播放装置206连接，所述中央处理器204，还用于将所述语音识别结果传输给所述播放装置206；

所述播放装置206，用于接收并播放所述中央处理器204传输的所述语音识别结果。

在具体实现中，所述播放装置206接收到所述中央处理器204发送的形式为数字信号的语音识别结果，所述播放装置206将所述语音识别结果从数字信号转换成模拟信号，并进行播放。在播放所述语音识别结果的同时，通过i2s接口或者模数转换器回采已经播放的语音识别结果，将回采得到的数据反馈给所述中央处理器204。

需要说明的是，所述播放装置206包括但不仅限于音效功放，可以为任一具有播放音效功能的设备，具体由技术人员根据实际情况进行选择和使用。

在本发明实施例中，通过语音采集装置采集语音数据并发送给中央处理器，中央处理器将语音数据发送至服务器进行处理得到语音识别结果，中央处理器将语音识别结果发送给显示装置和播放装置，显示并播放语音识别结果，在噪声嘈杂的情况下，采用显示装置显示语音识别结果可以提高用户使用体验和提高使用便捷性。

优选的，结合图2，参考图5，示出了本发明实施例提供的一种语音识别系统的结构框图，所述系统还包括：led阵列207。

所述中央处理器204与所述led阵列207连接，所述中央处理器204，还用于识别所述语音采集装置201采集所述语音模拟数据的方向。

所述led阵列207，用于指示所述语音采集装置201采集所述语音模拟数据的方向。所述led阵列207包括但不仅限于由十二颗全彩led灯和led驱动芯片组成的led阵列，所述中央处理器204通过控制所述led驱动芯片设置并点亮所述led灯，从而实现指示方向的功能。

需要说明的是，上述图2至图5中的所述中央处理器204，通过通用串行总线(universalserialbus，usb)电源或者5v电源为供电电源，并且通过dc-dc芯片产生不同的电压为各个装置进行供电，比如通过dc-dc芯片产生+3.3v、+1.8v和+1.35v等电压，为与所述中央处理器204连接的各个装置进行供电。

在具体实现中，参考图6，示出了本发明实施例提供的一种语音识别系统300的架构示意图，在所述图6中，该语音识别系统300包括语音采集装置301、server(服务器)302、显示装置303、中央处理器304、图像采集装置305、播放装置306和led阵列307。

所述中央处理304可以与通讯模块308进行通讯。

所述中央处理器304还包括交互模块309，交互模块309用于与通讯模块308进行信息交互。所述交互模块309可以为安全数字输入输出卡(securedigitalinputandoutput，sdio)或通用异步收发传输器(universalasynchronousreceiver/transmitter，uart)，sdio或uart与所述通讯模块308相连，所述通讯模块308可以是wifi芯片或蓝牙芯片。所述中央处理器304通过sdio或uart与所述通讯模块308之间进行信息交互，进而通过所述通讯模块308与所述服务器302或其它设备进行信息交互。

所述中央处理器304还包括至少一个存储模块，用于存储数据，例如语音数据、视频数据、图像数据等。如图6所示，存储模块310a可以与位于所述中央处理器304外部的存储模块310b进行信息交互。所述存储模块310a、所述存储模块310b可以为emmc(embeddedmultimediacard)卡，或者其它形式的存储芯片。所述中央处理器304还可以通过双倍速率控制器311(doubledataraecontroller，ddr)与存储器312连接，进而通过存储器312来存储数据。

所述中央处理器还包括usb接口，通过usb接口313a与外部的usb接口313b相连，其中，usb接口313b可以支持otg(on-the-go)协议。

所述中央处理器304还可以包括模数转换器314(analog-to-digitalconverter，adc)，所述模数转换器314与按键模块320相连。通过操作所述按键模块320，可以将控制指令以模拟信号的方式发送至所述模数转换器314，所述模数转换器314将设备输入的模拟信号转换为数字信号，然后将该数字信号传送至所述中央处理器304中的其它模块。需要说明的是，按键模块320可以是含有4按键的模块，也可以是含有6按键的模块，按键的数量和功能并不仅限于此，可以根据实际需要进行选择。

所述中央处理器304还可以与所述显示装置303相连，其中，所述显示装置303可以是液晶显示器(liquidcrystaldisplay，lcd)，或者是带触摸功能的lcd，或者是有机发光二极管(organiclight-emittingdiode，oled)。所述显示装置303可以是带有移动行业处理器接口(mobileindustryprocessorinterface，mipi)的液晶显示器，所述中央处理器304可以通过接口315a与带有mipi接口的lcd液晶显示器或带有i2c接口的触摸显示器连接，接口315a可以是mipi接口，也可以是通用输入输出(generalpurposeinputoutput，gpio)接口或i2c接口。中央处理器304还可以包括接口315b，接口315b可以是gpio或i2c接口，用于将语音识别结果发送给lcd显示器，lcd显示器显示该语音识别结果。

所述中央处理器304还可以包括接口315c，用于与led阵列307相连。其中，接口315c可以为i2c接口，可以通过接口315c向led阵列307发送指令，通过led阵列307中的led驱动器驱动led阵列，指示麦克风所采集语音数据的来源方向。

所述中央处理器304还可以包括接口315d，通过接口315d与图像采集装置305相连。其中，图像采集装置305可以为带有mipi接口的摄像头，而接口315d可以为mipi接口。所述中央处理器304可以接收通过带有mipi接口的摄像头采集的视频数据。

所述中央处理器304还可以通过接口315e与语音采集装置301相连，其中接口315e可以为pdm接口或i2s接口，语音采集装置301可以为集成有麦克风阵列的电路板，该电路板还可以包括6颗使用微型机电系统(micro-electro-mechanicalsystem，mems)工艺制备的麦克风，这些麦克风组成麦克风阵列，通过该麦克风阵列采集语音数据。

所述中央处理器304还可以包括电源模块316，电源模块316用于管理所述中央处理器304的供电情况。电源模块316与稳压模块317相连，稳压模块317可以是buck稳压器或者低压先行稳压器(lowdropoutregulator，ldo)，稳压模块317与电源连接，电源通过稳压模块316向所述中央处理器304供电。所述电源可以为5v/3a的电源。

该语音识别系统300还可以包括转换模块318，转换模块318可以包括adc和模数转换器(digital-to-analogconverter，dac)。所述中央处理器304中还可以包括接口315f和接口315g，接口315f可以为i2s接口，接口315g可以为pdm接口，所述中央处理器304可以通过i2s接口或pdm接口将语音识别结果发送至所述转换模块318，所述转换模块318通过adc将语音识别结果由数字信号转换成模拟信号，并通过音频功率放大器319(audiopoweramplifiers，audiopoweramps)发送给播放装置306，播放装置306将所述语音识别结果放大和播放，并通过转换模块318中的dac将播放的语音识别结果转换成数字信号，并通过i2s或pdm接口回采至所述中央处理器304中。需要说明的是，播放装置306可以为扬声器，或者带蓝牙或无线连接功能的扬声器。

需要说明的是，图6中的黑色箭头表示语音识别系统300中信息交互的方向，双箭头表示信息可以双向传递，单箭头表示信息可以单向传递。

需要说明的是，前述各类接口，例如接口315a、接口315b、接口315c、接口315d、接口315e、315f、315g等的类型可以根据实际需要进行选择，并不仅限于所列举出的例子。

需要说明的是，上述图6中的所述中央处理器304，可以通过通用串行总线(universalserialbus，usb)电源或者5v电源为供电电源，并且通过dc-dc芯片产生不同的电压为各个装置进行供电，比如通过dc-dc芯片产生+3.3v、+1.8v和+1.35v等电压，为与所述中央处理器204连接的各个装置进行供电。

需要说明的是，上述图6中涉及到的语音识别系统的架构示意图仅用于举例说明，具体的语音识别系统架构图包括但不仅限于图6示出的内容，在此不一一举例说明。

为了实现上述语音识别系统300，可以选择架构合适的处理芯片作为所述中央处理器304，例如因特尔芯片或amd芯片，或者根据实际需要重新设计芯片结构。

综上所述，本发明实施例提供一种语音识别方法及系统，该方法适用于语音识别系统，语音识别系统包括语音采集装置、服务器、显示装置和中央处理器。该方法为：语音采集装置将采集到的语音模拟数据转换为语音数字数据，并发送给中央处理器。中央处理器将语音数字数据发送给服务器进行处理，得到语音识别结果。服务器将语音识别结果反馈给中央处理器。中央处理器将语音识别结果给显示装置。使显示装置显示语音识别结果。在本方案中，通过语音采集装置采集语音数据并发送给中央处理器，中央处理器将语音数据发送至服务器进行处理得到语音识别结果，中央处理器将语音识别结果发送给显示装置显示语音识别结果，在噪声嘈杂的情况下，采用显示装置显示语音识别结果可以提高用户使用体验和提高使用便捷性。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统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。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。