一种语音识别方法、装置、设备、介质及产品与流程

1.本公开涉及语音识别技术领域，尤其涉及一种语音识别方法、装置、设备、计算机可读存储介质以及计算机程序产品。


背景技术：

2.随着语音识别技术的不断发展，自动语音识别(automated speech recognition，asr) 技术被广泛应用，例如，语音识别模型，基于该语音识别模型对语音进行转写得到相应的文本，从而提供便利性。
3.目前，在即时通讯应用中，通过语音识别模型，可以将语音转为文本，使得用户无需打字即可获得相应的文本；在会议应用中，通过语音识别模型，自动生成会议语音对应的文本，进而便捷地生成会议记录。
4.然而，待识别语音中可能包含专业术语，例如“我们debug一下这个系统”的语音，其中，“debug”为专业术语，语音识别模型对该含有专业术语的语音进行识别时，往往得到“我们第八个一下这个系统”。可见，对含有专业术语的语音进行识别，得到的识别结果的准确率较差。


技术实现要素：

5.本公开的目的在于：提供了一种语音识别方法、装置、设备、计算机可读存储介质以及计算机程序产品，能够提高对含有专业术语的语音进行识别的准确率，满足业务需求。
6.第一方面，本公开提供了一种语音识别方法，包括：
7.获取待识别语音；
8.根据所述待识别语音，确定所述待识别语音的第一转写文本；
9.当所述第一转写文本中的关键词在错误关键词集合中命中时，对所述第一转写文本进行语义修复；所述错误关键词集合包括相同语音对应的多个关键词。
10.第二方面，本公开提供了一种语音识别装置，包括：
11.获取模块，用于获取待识别语音；
12.文本转写模块，用于根据所述待识别语音，确定所述待识别语音的第一转写文本；
13.语义修复模块，用于当所述第一转写文本中的关键词在错误关键词集合中命中时，对所述第一转写文本进行语义修复；所述错误关键词集合包括相同语音对应的多个关键词。
14.第三方面，本公开提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面中任一项所述方法的步骤。
15.第四方面，本公开提供了一种电子设备，包括：
16.存储装置，其上存储有计算机程序；
17.处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面中任一项所述方法的步骤。
18.第五方面，本公开提供了一种包含指令的计算机程序产品，当其在设备上运行时，使得设备执行上述第一方面中任一种实现方式所述的方法。
19.从以上技术方案可以看出，本公开具有如下优点：
20.本公开在得到待识别语音的转写文本后，利用错误关键词集合对转写文本进行语义修复。当该转写文本中的关键词在错误关键词集合中命中时，对该转写文本进行语义修复，该错误关键词集合包括相同语音对应的多个关键词。如此，在利用错误关键词集合对转写文本进行语义修复后，能够提高修复后得到的转写文本的准确度。
21.进一步，本公开在解码过程中，获取到待识别语音的多个候选关键词后，利用预设关键词集合，对多个候选关键词的输出概率进行干预，如提高候选关键词中目标关键词的输出概率，该目标关键词在预设关键词集合中命中，预设关键词集合为预设业务场景对应的关键词，例如该业务场景下的专业术语等，然后基于多个候选关键词的输出概率，获得待识别语音的转写文本。如此，本公开提供的语音识别方法，对含有专业术语的语音进行识别得到的转写文本的准确率更高，能够满足业务需求。
22.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
23.为了更清楚地说明本公开实施例的技术方法，下面将对实施例中所需使用的附图作以简单地介绍。
24.图1为本公开实施例提供的一种语音识别系统的示意图；
25.图2为本公开实施例提供的一种语音识别方法的流程图；
26.图3为本公开实施例提供的一种录音界面的示意图；
27.图4为本公开实施例提供的一种语音识别装置的示意图；
28.图5为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
29.本公开实施例中的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
30.首先对本公开实施例中所涉及到的一些技术术语进行介绍。
31.语音识别是指将语音转换为其对应的文本。一般的，可以基于样本语料，训练并得到语音识别模型，通过该语音识别模型，对待识别语音进行识别，进而得到该待识别语音对应的文本。
32.然而，在一些场景中，待识别语音中可能会存在专业术语，传统的语音识别模型对该含有专业术语的语音进行识别，往往得到错误的识别结果。以软件开发的会议场景为例，在该场景中，专业术语可以是“debug”、“admin”等，待识别语音可以是“我们debug一下这个系统”的语音，传统的语音识别模型对该含有“debug”的语音进行识别过程中，会将“debug”的语音解码为“第八个”，从而得到错误的识别结果，进而降低语音识别的准确率。
33.有鉴于此，本公开实施例提供了一种语音识别方法，该方法包括：获取待识别语音，根据该待识别语音，确定待识别语音的第一转写文本；当该第一转写文本中的关键词在
错误关键词集合中命中时，对该第一转写文本进行语义修复，该错误关键词结合中包括相同语音对应的多个关键词。
34.该方法中，在得到待识别语音的第一转写文本后，利用错误关键词集合，对该第一转写文本进行语义修复，能够提高修复后得到的转写文本的准确度。进一步，在解码过程中，利用预设关键词集合对多个候选关键词的输出概率进行干预，从而提高候选关键词中目标关键词的输出概率，然后再根据多个候选关键词的输出概率，获得待识别语音的转写文本。如此，当待识别语音含有专业术语时，能够提高对该含有专业术语的语音进行识别得到的转写文本的准确度。
35.本公开实施例提供的语音识别方法可以应用于不同的app(application，应用)中。例如该语音识别方法可以应用于视频类应用，通过该方法对视频中包括的语音进行识别，进而给视频添加字幕；再例如该语音识别方法可以应用于会议类应用，通过该方法对会议过程中的语音进行识别，进而自动生成会议记录(会议过程中的语音对应的文本)。本公开实施例不具体限定该语音识别方法的应用场景，以上仅仅为示例性介绍。
36.需要说明的是，该语音识别方法在应用于上述应用时，具体是以计算机程序的形式实现。在一些实施例中，该计算机程序可以是独立的，例如可以是具有相应功能的独立应用。在另一些实施例中，该计算机程序可以是功能模块或插件等，附着于已有的应用中运行。
37.本公开实施例提供的语音识别方法可以由终端单独执行，由服务器单独执行，或者，也可以由终端和服务器协同执行。当语音识别方法由终端(例如是语音识别应用的终端) 单独执行时，表明该语音识别应用可以离线运行。为了便于理解，下文以语音识别方法由终端和服务器协同执行进行示例说明。
38.为了使得本公开的技术方案更加清楚、易于理解，下面结合附图对本公开实施例提供的语音识别系统的架构进行介绍。
39.参见图1所示的语音识别系统100的系统架构图，语音识别系统100包括终端11和服务器12。终端11和服务器12通过网络连接。其中，终端11部署在终端，终端包括但不限于智能手机、平板电脑、笔记本电脑、个人数字助理(personal digital assistant，pda) 或者智能穿戴设备等。服务器12可以是云服务器，例如是中心云计算集群中的中心服务器，或者是边缘云计算集群中的边缘服务器。当然，服务器12也可以是本地数据中心中的服务器。本地数据中心是指用户直接控制的数据中心。
40.在一些示例中，终端11用于将待识别语音发送给服务器12，服务器12用于在获取待识别语音后，对该待识别语音进行识别，确定该待识别语音的第一转写文本。服务器12 在对该待识别语音进行识别过程中，利用了预设关键词集合，对待识别语音对应的多个候选关键词进行干预，从而提高多个候选关键词中所述目标关键词的输出概率，目标关键词可以是专业术语的关键词，如“debug”，如此，提高对含有专业术语的语音进行识别的准确率。
41.进一步的，服务器12获得第一转写文本后，第一转写文本中关键词在错误关键词集合中命中时，还可以进一步判断该第一转写文本的合理程度，其中，错误关键词集合可以包括相同语音对应的多个关键词。相同语音对应的多个关键词可以是“第八个”和“debug”，还可以是“改破”和“gap”。以第一转写文本为“我们第八个一下这个系统”为例，该第一转写
文本中包括错误关键词集合中的关键词“第八个”，服务器12可以利用“debug”替换“第八个”得到第二转写文本“我们debug一下这个系统”，然后判断第一转写文本和第二转写文本的合理程度。可见，第二转写文本比第一转写文本更加合理，服务器12利用该第二转写文本替换第一转写文本，从而进一步提高对含有专业术语的语音进行识别的准确率。
42.为了使得本公开的技术方案更加清楚、易于理解，下面以终端和服务器的角度对本公开实施例提供的语音识别方法进行介绍。参见图2，该图为本公开实施例提供的一种语音识别方法的流程图，该方法包括：
43.s201：终端采集待识别语音。
44.在一些示例中，终端可以基于麦克风采集待识别语音。为了便于理解，以会议场景为例，用户可以通过终端参加会议(例如视频会议)，并在会议过程中，说出含有专业术语的语音，终端可以采集用户说话时的语音。在另一些示例中，终端还可以基于用户触发的操作，对会议进行录制，进而得到视频文件。该视频文件包括声音信息，如会议过程中的语音。
45.需要说明的是，终端所采集的待识别语音不仅仅局限于上述示例，本领域技术人员可以根据实际需要确定待识别语音。
46.s202：终端将待识别语音发送给服务器。
47.服务器可以接收终端发送的待识别语音，以对该待识别语音进行识别。
48.s203：服务器根据待识别语音，确定待识别语音对应的多个候选关键词。
49.待识别语音可以是句子对应的语音，也可以是单词对应的语音。以待识别语音为句子对应的语音为例，在该待识别语音中含有专业术语，如“我们debug一下这个系统”的语音，该待识别语音对用的多个候选关键词可以是“我们”、“第八个”、“debug”、“一下”、“这个”和“系统”。在解码过程中，服务器可以基于每个候选关键词的输出概率，确定该待识别语音对应的文本。
50.在一些示例中，服务器预先训练具有对含有专业术语的语音进行识别功能的语音识别模型。不同业务场景下对应的专业术语不同，基于此，可以根据实际需要，确定预设业务场景下对应的含有专业术语的语料，然后利用该预设业务场景对应的含有专业术语的语料，进行模型训练，得到语音识别模型。其中，含有专业术语的语料包括预设文本以及该预设文本的语音，该预设文本中包括该预设业务场景对应的关键词。
51.以预设业务场景为软件开发的会议场景为例，服务器可以基于用户的反馈获取预设文本，也可以通过预设关键词自动生成，下面分别介绍。
52.在一些示例中，服务器可以生成待识别语音的识别结果(例如转写文本)，并发送给终端，终端将该识别结果呈现给用户，终端可以接收用户对该识别结果的校验结果。例如校验结果可以包括识别结果是否准确以及修改后的识别结果。以含有专业术语的待识别语音为“我们debug一下这个系统”为例，当该待识别语音的识别结果对应的文本为“我们第八个一下这个系统”时，用户可以将识别结果标记为错误，并将识别结果的文本修改为“我们 debug一下这个系统”，然后将该修改后的文本作为预设文本。进一步，终端还可以记录错误的关键词“第八个”和“debug”，从而得到错误关键词集合。
53.在另一些示例中，服务器还可以将历史待识别语音的识别结果(例如历史转写文本) 发送给终端，终端可以向用户呈现该识别结果，终端还可以接收用户对历史转写文本的校验结果。例如，用户可以对历史转写文本进行修改或对该历史转写文本的是否准确进
行标记等，然后将修改后的历史转写文本作为预设文本。
54.在另一些示例中，服务器也可以基于预先关键词自动生成预设文本，例如预设关键词可以是预设业务场景下的专业术语，如此进一步增加预设文本的数据规模，进而进一步增加语料的数据规模。
55.服务器可以接收终端发送的预设文本的语音。在一些示例中，服务器可以将预设文本发送给终端，终端向用户呈现预设文本，并提示用户说出该预设文本的语音，从而实现对预设文本的语音的录制，然后将录制的预设文本的语音发送给服务器。
56.如图3所示，该图为本公开实施例提供的一种终端录音界面的示意图。该录音界面包括关键词列表310、文本展示区320、录制控件330和编辑控件340。用户可以点击关键词列表310中的关键词，终端基于用户对关键词的点击操作，在文本展示区320中展示包括用户所点击的关键词的文本(例如预设文本)，接着用户可以在点击录制控件330后，说出文本展示区320中所展示的文本的语音，终端基于用户对录制控件330的点击操作，开始录制，然后将录制完成后的预设文本的语音发送给服务器。
57.进一步，用户还可以通过点击编辑控制340，对文本展示区320中所展示的文本进行编辑，然后终端基于编辑后的文本进行后续录音处理，并将编辑后的文本及该文本的语音一并发送给服务器，从而使该预设业务场景下的语料更加丰富。
58.接着，服务器可以利用上述预设业务场景下的语料对传统的语音识别模型进行追加训练，得到新的语音识别模型。基于此，服务器可以将待识别语音输入到该新的语音识别模型，得到待识别语音对应的多个候选关键词。
59.s204：当多个候选关键词中的目标关键词在预设关键词集合中命中时，服务器提高目标关键词的输出概率。
60.预设关键词集合包括预设业务场景对应的关键词。延续上例，预设场景对应的关键词可以是“debug”、“admin”、“gap”等，上述多个候选关键词中的目标关键词“debug”在预设关键词集合中命中，服务器可以提高该目标关键词的输出概率。如下表1所示：
61.表1：
62.候选关键词第八个debug原输出概率0.60.4干预后的输出概率0.60.7
63.从表1中可以看出，利用预设关键词集合对多个候选关键词进行干预后，如对目标关键词进行干预后，可以提高该目标关键词的输出概率，如此使得服务器在解码过程中，更能够将含有专业术语的待识别语音，解码为包括该专业术语的文本。对于表1所示的关键词而言，服务器能够将该待识别语音解码为“我们debug一下这个系统”，而不是解码为“我们第八个一下这个系统”，从而提高对含有专业术语的待识别语音进行识别的准确率。
64.s205：服务器基于多个候选关键词的输出概率，获得待识别语音的第一转写文本。
65.如表1所示的候选关键词，服务器在解码过程中，将候选关键词的输出概率较大进行输出，进而得到关键词“debug”，对于待识别语音的其他候选关键词均做类似的处理，进而得到该待识别语音的第一转写文本。
66.在本公开实施例中，服务器利用预设关键词集合，对多个候选关键词的输出概率进行干预，然后再基于多个候选关键词的输出概率，得到待识别语音的转写文本。如此，提
高了对含有专业术语的待识别语音进行识别的准确率，满足业务需求。
67.s206：当第一转写文本中的关键词在错误关键词集合中命中时，服务器对第一转写文本进行语义修复。
68.其中，错误关键词集合包括相同语音对应的多个关键词。如上述，关键词“第八个”以及关键词“debug”的语音相同，错误关键词集合可以包括“debug”和“第八个”；再例如，关键词“gap”以及关键词“改坡”的语音相同，错误关键词集合可以包括“gap”和“改坡”。
69.需要说明的是，本公开不具体限定获得错误关键词集合的方式，在一些示例中，可以通过预设的方式，得到错误关键词集合。
70.为了进一步提高对含有专业术语的待识别语音进行识别的准确率，服务器在得到第一转写文本后，可以对该第一转写文本进行语义修复。具体地，当第一转写文本中的关键词在错误关键词集合中命中时，对该第一转写文本进行语义修复。举例说明，第一转写文本可以是“我们第八个一下这个系统”，错误关键词集合可以包括“第八个”和“debug”，可见，第一转写文本中包括错误关键词集合中的关键词“第八个”，服务器对该第一转写文本进行语义修复。
71.在一些示例中，服务器可以利用错误关键词集合中的关键词替换第一转写文本中的关键词，得到第二转写文本，然后分别评估第一转写文本和第二转写文本的评分，进而得到第一转写文本的第一准确度评分以及第二转写文本的第二准确度评分。其中，评分的标准可以是基于转写文本的准确度进行评分，当转写文本的准确度越高时，则表征转写文本越合理，当转写文本的准确度越低时，则表征转写文本越不合理。举例说明，第一转写文本为“我们第八个一下这个系统”，在利用错误关键词集合中的关键词“debug”替换“第八个”后，可以得到第二转写文本“我们debug一下这个系统”。然后，服务器可以利用语言模型分别对第一转写文本和第二转写文本进行评分，进而得到第一准确度评分和第二准确度评分。
72.接着，服务器基于第一准确度评分和第二准确度评分对第一转写文本进行语义修复。例如当第二准确度评分大于第一准确度评分时，将第一转写文本修复为第二转写文本，即，将第一转写文本替换为第二转写文本，表明第二转写文本相对于第一转写文本更加合理；当第一准确度评分大于或等于第二准确度评分时，则仍然输出第一转写文本，表明第一转写文本相对于第二转写文本更加合理。
73.在本公开实施例中，在获得第一转写文本后，服务器进一步对第一转写文本进行了语义修复，从而进一步确保对含有专业术语的待识别语音进行识别的准确度，避免仅通过预设关键词集合进行干预后将正确的识别结果干预为错误的识别结果。
74.s207：服务器将语义修复后的第一转写文本发送给终端。
75.语义修复后的第一转写文本为第一转写文本和第二转写文本中评分较高的转写文本，例如可以是第二转写文本。
76.在一些示例中，服务器确定语义修复后的第一转写文本后，可以将该语义修复后的第一转写文本发送给终端，进而终端可以呈现该语义修复后的第一转写文本。在另一些示例中，服务器也可以基于语义修复后的第一转写文本生成控制指令，该控制指令用于控制预设业务场景对应的设备。例如，服务器可以该控制指令发给受控设备(例如投影仪、智能开关灯)，从而实现对受控设备的控制。在一些示例中，第一转写文本对应的操作可以是
开启投影仪，服务器基于该第一转写文本，可以生成开启投影仪的控制指令，然后将该开启投影仪的控制指令发送给投影仪，以使投影仪基于该控制指令启动。
77.在另一些实施例中，服务器也可以直接将第一转写文本发送给终端，或基于该第一转写文本生成控制指令，即，服务器不对第一转写文本进行语义修复。
78.基于上述内容描述，本公开实施例提供了一种语音识别方法，该方法通过定向采集音频，得到含有预设场景对应的专业术语的语料，然后利用该语料在传统语音识别模型的基础上追加训练，得到新的语音识别模型。接着在该语音识别模型得到多个候选关键词后，通过预设关键词集合，对多个候选关键词的输出概率进行干预，进而得到识别结果；该方法也利用了错误关键词集合对该识别结果进行语义修复处理，从而实现后纠错兜底，进一步提高对含有专业术语的待识别语音进行识别的准确率，满足业务需求。
79.图4是根据一示例性公开实施例示出的一种语音识别装置的示意图，如图4所示，所述语音识别装置400包括：
80.获取模块401，用于获取待识别语音；
81.文本转写模块402，用于根据所述待识别语音，确定所述待识别语音的第一转写文本；
82.语义修复模块403，用于当所述第一转写文本中的关键词在错误关键词集合中命中时，对所述第一转写文本进行语义修复；所述错误关键词集合包括相同语音对应的多个关键词。
83.可选的，语义修复模块403，具体用于利用所述错误关键词集合中的关键词替换所述第一转写文本中的关键词，得到第二转写文本；评估所述第一转写文本的第一准确度评分以及所述第二转写文本的第二准确度评分；当所述第二准确度评分大于所述第一准确度评分时，将所述第一转写文本替换为所述第二转写文本。
84.可选的，文本转写模块402，具体用于根据所述待识别语音，确定所述待识别语音对应的多个候选关键词；当所述多个候选关键词中的目标关键词在预设关键词集合中命中时，提高所述目标关键词的输出概率；所述预设关键词集合包括预设业务场景对应的关键词；基于所述多个候选关键词的输出概率，获得所述待识别语音的第一转写文本。
85.可选的，文本转写模块402，具体用于将所述待识别语音输入到语音识别模型，得到所述待识别语音对应的多个候选关键词；所述语音识别模型基于预设业务场景对应的语料训练得到。
86.可选的，所述预设业务场景对应的语料包括预设文本和所述预设文本的语音，所述预设文本包括所述预设业务场景对应的关键词。
87.可选的，所述预设文本通过用户反馈得到或通过所述预设关键词自动生成。
88.可选的，所述预设文本具体通过用户对历史转写文本的校验操作得到。
89.可选的，所述装置还包括指令生成模块，该指令生成模块，用于根据所述第一转写文本生成控制指令，所述控制指令用于控制所述预设业务场景对应的设备执行所述第一转写文本对应的操作。
90.上述各模块的功能在上一实施例中的方法步骤中已详细阐述，在此不做赘述。
91.下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图，该电子设备可以是服务器12，该服务器12用于实现如图4所示的语音识别装置400对应
的功能。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
92.如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储装置508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
93.通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置 509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
94.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，其包括承载在非暂态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装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
95.需要说明的是，本公开上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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
96.在一些实施方式中，终端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
97.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
98.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电子设备执行时，使得该电子设备：获取待识别语音；根据所述待识别语音，确定所述待识别语音的第一转写文本；当所述第一转写文本中的关键词在错误关键词集合中命中时，对所述第一转写文本进行语义修复；所述错误关键词集合包括相同语音对应的多个关键词。
99.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、 c++，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网 (lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
100.附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。
101.描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“获取至少两个网际协议地址的模块”。
102.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld) 等等。
103.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
104.根据本公开的一个或多个实施例，示例1提供了一种语音识别方法，获取待识别语
音；根据所述待识别语音，确定所述待识别语音的第一转写文本；当所述第一转写文本中的关键词在错误关键词集合中命中时，对所述第一转写文本进行语义修复；所述错误关键词集合包括相同语音对应的多个关键词。
105.根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述对所述第一转写文本进行语义修复，包括：
106.利用所述错误关键词集合中的关键词替换所述第一转写文本中的关键词，得到第二转写文本；
107.评估所述第一转写文本的第一准确度评分以及所述第二转写文本的第二准确度评分；
108.当所述第二准确度评分大于所述第一准确度评分时，将所述第一转写文本替换为所述第二转写文本。
109.根据本公开的一个或多个实施例，示例3提供了示例1的方法，所述根据所述待识别语音，确定所述待识别语音的第一转写文本，包括：
110.根据所述待识别语音，确定所述待识别语音对应的多个候选关键词；
111.当所述多个候选关键词中的目标关键词在预设关键词集合中命中时，提高所述目标关键词的输出概率；所述预设关键词集合包括预设业务场景对应的关键词；
112.基于所述多个候选关键词的输出概率，获得所述待识别语音的第一转写文本。
113.根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述根据所述待识别语音，确定所述待识别语音对应的多个候选关键词，包括：
114.将所述待识别语音输入到语音识别模型，得到所述待识别语音对应的多个候选关键词；所述语音识别模型基于预设业务场景对应的语料训练得到。
115.根据本公开的一个或多个实施例，示例5提供了示例4的方法，所述预设业务场景对应的语料包括预设文本和所述预设文本的语音，所述预设文本包括所述预设业务场景对应的关键词。
116.根据本公开的一个或多个实施例，示例6提供了示例5的方法，所述预设文本通过用户反馈得到或通过所述预设关键词自动生成。
117.根据本公开的一个或多个实施例，示例7提供了示例6的方法，所述预设文本具体通过用户对历史转写文本的校验操作得到。
118.根据本公开的一个或多个实施例，示例8提供了示例7的方法，所述方法还包括：
119.根据所述第一转写文本生成控制指令，所述控制指令用于控制所述预设业务场景对应的设备执行所述第一转写文本对应的操作。
120.以上描述仅为本公开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，本公开中所涉及的公开范围，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公开构思的情况下，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。例如上述特征与本公开中公开的(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。
121.此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公
开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
122.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。