离线语音质检方法、系统、电子设备和存储介质与流程

1.本技术涉及语音处理技术领域，特别是涉及一种离线语音质检方法、系统、电子设备和存储介质。


背景技术：

2.随着人工智能技术的日趋成熟，部分产品增加了语义识别，可以对用户信息提供进行语音质检。
3.目前的产品虽然可以进行语音质检，但是使用层次层次都较浅，面对复杂或一些特定场景，会存在用户行为识别不出或者识别错误的现象，特别是中文表达上，例如，对于一词多义或者新出现的网络词汇等，若还是仅使用正则匹配已经无法灵活的识别，识别准确率较低，严重影响了质检效果。
4.目前针对相关技术中语音质检针对用户信息提供无法灵活的识别，识别准确率较低，严重影响了质检效果的问题，尚未提出有效的解决方案。


技术实现要素：

5.本技术实施例提供了一种离线语音质检方法、系统、电子设备和存储介质，以至少解决相关技术中针对用户提供的语音信息无法灵活的识别，识别准确率较低，严重影响了质检效果的问题。
6.第一方面，本技术实施例提供了一种离线语音质检方法，该方法包括以下步骤：
7.获取语音文件；
8.对所述语音文件进行语音转译处理，得到处理后的文本文件；
9.将文本文件输入话者分离处理器区分用户和客服人员的对话文内容，得到区分后的文本文件；
10.将所述区分后的文本文件输入音频分析处理器进行音频分析处理，得到质检文本；
11.将所述质检文本输入文本正则模型识别预设关键字，得到正则识别结果；
12.将所述质检文本和所述正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果。
13.在其中一些实施例中，所述将所述质检文本和所述正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果包括：
14.将所述质检文本输入所述训练好的质检模型，得到模型检测结果；
15.将所述模型检测结果和所述正则识别结果的语义内容进行匹配；
16.若匹配成功，将所述模型检测结果与所述正则识别结果取并集，得到质检结果；若匹配失败，将所述模型检测结果作为质检结果。
17.在其中一些实施例中，将所述质检文本和所述正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果之后，所述方法还包括：
18.在人工校验出所述质检结果存在错误的情况下，将该质检文本添加至语料库，得到扩充后的语料库；
19.基于所述扩充后的语料库重新对质检模型进行训练，得到重新训练好的质检模型。
20.在其中一些实施例中，所述将该质检文本添加至语料库，得到扩充后的语料库包括：
21.根据该质检文本分析出用户的真实语音内容；
22.确定该真实语音内容对应的多种不同的文字表达内容；
23.获取该真实语音内容对应的网络词汇；
24.将各不同的文字表达内容和所述网络词汇分别设置为训练语料，将所述训练语料添加至所述语料库。
25.在其中一些实施例中，将所述区分后的文本文件输入音频分析处理器进行音频分析处理，得到质检文本之后，所述方法还包括：
26.在检测到用户输入文字内容的情况下，将用户输入的文字内容与所述质检文本进行融合，得到融合后的质检文本。
27.在其中一些实施例中，将所述质检文本和所述正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果之后，所述方法还包括：
28.将所述质检结果输入结果处理器进行打分处理，得到该质检结果对应的分数。
29.第二方面，本技术实施例提供了一种离线语音质检系统，所述系统包括：
30.获取模块，用于获取语音文件；
31.语音转译模块，用于对所述语音文件进行语音转译处理，得到处理后的文本文件；
32.文本区分模块，用于将文本文件输入话者分离处理器区分用户和客服人员的对话文内容，得到区分后的文本文件；
33.音频处理模块，用于将所述区分后的文本文件输入音频分析处理器进行音频分析处理，得到质检文本；
34.正则识别模块，用于将所述质检文本输入文本正则模型识别预设关键字，得到正则识别结果；
35.质检模块，用于将所述质检文本和所述正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果。
36.在其中一些实施例中，所述系统还包括：
37.模型检测结果模块，用于将所述质检文本输入所述训练好的质检模型，得到模型检测结果；
38.匹配模块，将所述模型检测结果和所述正则识别结果的语义内容进行匹配；
39.质检结果模块，用于若匹配成功，将所述模型检测结果与所述正则识别结果取并集，得到质检结果；若匹配失败，将所述模型检测结果作为质检结果。
40.第三方面，本技术实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执如上述的离线语音质检方法。
41.第四方面，本技术实施例提供了一种存储介质，所述存储介质中存储有计算机程
序，其中，所述计算机程序被设置为运行时执行如上述的离线语音质检方法。
42.基于上述技术方案，本技术实施例提供的离线语音质检方法，一方面将质检文本输入文本正则模型识别预设关键字，得到正则识别结果，从而实现对关键词表面意思的识别，另一方便将质检文本和正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果，相较于之前对于一词多义或者新出现的网络词汇仅使用正则匹配已经无法灵活的识别，识别准确率较低，严重影响了质检效果的情况，不仅可以弥补用户的存在某个行为又没出现关键词的情景，还可以矫正出现关键词但并非用户行为的场景，提高了语音识别的准确率，并根据该质检结果方便实现对客服人员的考核，提高了质检效果，解决相关技术中针对用户提供的语音信息无法灵活的识别，识别准确率较低，严重影响了质检效果的问题。
附图说明
43.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
44.图1是本技术实施例的离线语音质检方法的第一流程示意图；
45.图2是本技术实施例的质检模型的训练步骤的一个流程示意图；
46.图3是本技术实施例的离线语音质检方法的第二流程示意图；
47.图4是根据本技术实施例的离线语音质检系统的结构框图；
48.图5是根据本技术实施例的质检模块的结构框图；
49.图6是根据本技术实施例的电子设备的内部结构示意图。
具体实施方式
50.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。基于本技术提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本技术公开的内容相关的本领域的普通技术人员而言，在本技术揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本技术公开的内容不充分。
51.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本技术所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
52.除非另作定义，本技术所涉及的技术术语或者科学术语应当为本技术所属技术领域内具有一般技能的人士所理解的通常意义。本技术所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本技术所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有
列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本技术所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本技术所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。本技术所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
53.本发明提出一种离线语音质检方法。图1是本技术实施例的离线语音质检方法的第一流程示意图，如图1所示，在本发明一实施例中，本发明提出的离线语音质检方法，在本实施例中，应用于银行的客服人员与用户进行语音对话的场景下，当然在其他实施例中也适用于一些营销人员与用户进行语音营销的对话场景下，该方法包括以下步骤：
54.步骤s101，获取语音文件；
55.步骤s102，对语音文件进行语音转译处理，得到处理后的文本文件；其中，本实施例中的语音转译处理采用asr(automatic speech recognition，自动语音识别技术)实现，由于本领域技术人员知道asr是一种将人的语音转换为文本的技术，此处不在一一赘述。
56.步骤s103，将文本文件输入话者分离处理器区分用户和客服人员的对话文内容(文本即文字内容)，得到区分后的文本文件；如此，方便区分用户说话内容和客服人员说话内容；其中，本实施例中的话者分离处理器采用现有的话者分离处理器来实现，由于本领域技术人员知晓话者分离处理器工作原理为区分用户和客服人员的对话文内容(文本即文字内容)，得到区分后的文本文件，因此此处不在一一赘述，当然在一些其他实施例中的话者分离处理器还可以采用一些现有的话语区分模型来实现，只要能实现区分用户和客服人员的文字内容即可，此处不做具体限定；
57.步骤s104，将区分后的文本文件输入音频分析处理器进行音频分析处理，得到质检文本；其中，质检文本至少包括静音检测结果、音量检测结果、抢话检测结果和情绪识别结果中的一种或多种组合。本实施例通过将区分后的文本文件输入音频分析处理器进行音频分析处理可以方便识别用户的情绪；具体而言，本实施例中步骤s104包括如下步骤：
58.将区分后的文本文件输入音频分析处理器进行静音检测处理，得到静音结果，其中，静音检测处理结果包括各对话间的时间间隔(即用户与用户的每次对话的时间间隔)，人们基于该静音结果可以方便推测出用户的意图，比如思考、意向度等；
59.将区分后的文本文件输入音频分析处理器进行音量检测处理，得到音量检测结果(即用户说话的音量大小)，如此，方便人们利用音量检测结果推断即用户的情绪识别结果(比如紧张、反感等)做参考，方便识别用户的真实意图；
60.将区分后的文本文件输入音频分析处理器进行抢话检测处理，得到抢话检测结果，例如，在说话人(客服人员)语音未结束，听者(用户)便开始说话，从而将抢话检测结果作为用户性格的判断参考依据，方便识别用户的真实意图；
61.将区分后的文本文件输入音频分析处理器进行语速检测，得到语速检测结果，从而将得到语速检测结果作为用户着急情绪参考的判断依据，方便识别用户的真实意图；
62.将区分后的文本文件输入音频分析处理器进行情绪识别，得到情绪识别结果，该情绪识别结果对接的百度的开源情绪识别模型，利用上述的各检测结果方便得出用户的最终的意图。
63.步骤s105，将质检文本输入文本正则模型识别预设关键字，得到正则识别结果；如此，方便识别关键字，从而得到用户的真实行为意图，其中，文本正则模型为直接采用正则表达式(regular expression，简称regex)来实现对关键字的识别的算法；
64.步骤s106，将质检文本和正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果；其中，质检模型可以采用现有的任意神经网络模型来实现，其中，本实施例中的质检模型采用意图匹配-nip算法模型来实现，本实施例相较于之前对于一词多义或者新出现的网络词汇仅使用正则匹配已经无法灵活的识别，识别准确率较低，严重影响了质检效果的情况，不仅可以弥补用户的存在某个行为又没出现关键词的情景，还可以矫正出现关键词但并非用户行为的场景，提高了语音识别的准确率，并根据该质检结果方便实现对客服人员的考核，提高了质检效果；比如，当质检文本包括网络用词“yyds”的时，通过步骤s106可以判断用户是用来表达某样东西或某个人很优秀，像神一般令人惊叹，即肯定态度，从而弥补了用于存在表扬行为但又没出现表扬或肯定的关键词的情景，提高了语音识别的准确率。
65.通过上述步骤s101至步骤s106，本实施例一方面将质检文本输入文本正则模型识别预设关键字，得到正则识别结果，从而实现对关键词表面意思(浅层意思)的识别，另一方便将质检文本和正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果，相较于之前对于一词多义或者新出现的网络词汇仅使用正则匹配已经无法灵活的识别，识别准确率较低，严重影响了质检效果的情况，不仅可以弥补用户的存在某个行为又没出现关键词的情景，还可以矫正出现关键词但并非用户行为的场景，提高了语音识别的准确率，并根据该质检结果方便实现对客服人员的考核，提高了质检效果，解决相关技术中针对用户提供的语音信息无法灵活的识别，识别准确率较低，严重影响了质检效果的问题。
66.在其中一些实施例中，将质检文本和正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果包括如下步骤：
67.将质检文本输入训练好的质检模型，得到模型检测结果；
68.将模型检测结果和正则识别结果的语义内容进行匹配；
69.若匹配成功，将模型检测结果与正则识别结果取并集，得到质检结果；若匹配失败，将模型检测结果作为质检结果。也就是说，当训练好的质检模型检测到模型检测结果和正则识别结果中对同一句话的语义内容有分歧时以模型检测结果作为质检结果，如此使质检结果更准确。
70.图2是本技术实施例的质检模型的训练步骤的一个流程示意图，如图2所示，在其中一些实施例中，质检模型的训练过程包括如下步骤：
71.首先，创建质检模型；
72.然后，获取行业语料库，对行业语料库进行前置处理，具体包括：对行业语料库进行预处理，以剔除重复语料；接着，对预处理后的行业语料库提取语料特征，并分组得到训练集合和测试集合；其中，提取语料特征后的语料库中90％的语料用于训练(即训练集合)，10％的语料用于检验(即测试集合)；
73.通过训练集合对质检模型预加载xlnet网络(自然回归训练模型)处理得到训练后的质检模型，最后，通过测试集合对生成的质检模型进行反复测试(不断调整参数等)，得到训练好的质检模型(即最终得到达到预期的模型)。
74.图3是本技术实施例的离线语音质检方法的第二流程示意图，如图3所示在实际应用过程中，为了不断的完善质检模型，进一步提高质检效果，在其中一些实施例中，将质检文本和正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果之后，该方法还包括如下步骤：
75.在人工校验出质检结果存在错误的情况下，将该质检文本添加至语料库，得到扩充后的语料库；
76.基于扩充后的语料库重新对质检模型进行训练，得到重新训练好的质检模型。本领域技术人员易于理解的是，扩充后的语料库可以为一个定时修改算法模型，基于该算法模型对质检模型进行训练，得到重新训练好的质检模型，以提高模型的训练效果。
77.在其中一些实施例中，将该质检文本添加至语料库，得到扩充后的语料库包括如下步骤：
78.根据该质检文本分析出用户的真实语音内容；
79.确定该真实语音内容对应的多种不同的文字表达内容；即获得该质检文本对应的同一语义的各个不同的文字表达内容，例如，当根据质检文本分析出用户的真实语言内容是“肯定的”，就可以确定出该真实语音内容对应的多种不同的文字表达内容可以是“好的”、“ok”、“同意”等词汇；
80.获取该真实语音内容对应的网络词汇；例如，当用户真实语音内容是“肯定的”，获取的网络词汇可以是“yyds”、“奥利给”、“绝绝子”等。
81.将各不同的文字表达内容和网络词汇分别设置为训练语料，将训练语料添加至语料库。本实施例通过扩充后的语料库对质检模进行训练，不仅弥补了训练数据短缺导致模型训练效果不好的情况，还有利于提高质检模型的识别准确率。
82.在其中一些实施例中，将区分后的文本文件输入音频分析处理器进行音频分析处理，得到质检文本之后，该方法还包括如下步骤：
83.在检测到用户输入文字内容的情况下，将用户输入的文字内容与质检文本进行融合，得到融合后的质检文本。如此，实现对纯文本聊天内容的兼容。
84.在其中一些实施例中，将质检文本和正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果之后，该方法还包括如下步骤：
85.将质检结果输入结果处理器进行打分处理，得到该质检结果对应的分数。如此，方便根据分数实现对客服人员的考核；例如，根据打分的高低作为客服人员考核的一部分。当然在一些其他实施例中，在输入结果处理器之前还可以进行热词分析，方便后续结果处理器进行打分处理；本实施例的结果处理器可以采用现有的结果处理器或其他来实现，此处不做具体限定；另外，本实施例中的结果处理器支持为质检结果打标签，以判断客服人员的工作是否规范，例如，判断客服人员在于用户进行语音沟通的过程中是否进行了自我介绍，若是，则为质检结果加一分，若没有，则为质检结果减一分，此外，对用户的标签可以识别用户的意向度满意度，还可以提取出用户的信息，方便后期对用户进行分类。
86.需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
87.图4是根据本技术实施例的离线语音质检系统的结构框图，如图4所示，该系统包
括：
88.获取模块41，用于获取语音文件；
89.语音转译模块42，用于对语音文件进行语音转译处理，得到处理后的文本文件；
90.文本区分模块43，用于将文本文件输入话者分离处理器区分用户和客服人员的对话文内容，得到区分后的文本文件；
91.音频处理模块44，用于将区分后的文本文件输入音频分析处理器进行音频分析处理，得到质检文本；
92.正则识别模块45，用于将质检文本输入文本正则模型识别预设关键字，得到正则识别结果；
93.质检模块46，用于将质检文本和正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果。本实施例一方面将质检文本输入文本正则模型识别预设关键字，得到正则识别结果，从而实现对关键词表面意思的识别，另一方便将质检文本和正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果，相较于之前对于一词多义或者新出现的网络词汇仅使用正则匹配已经无法灵活的识别，识别准确率较低，严重影响了质检效果的情况，不仅可以弥补用户的存在某个行为又没出现关键词的情景，还可以矫正出现关键词但并非用户行为的场景，提高了语音识别的准确率，并根据该质检结果方便实现对客服人员的考核，提高了质检效果，解决相关技术中针对用户提供的语音信息无法灵活的识别，识别准确率较低，严重影响了质检效果的问题。
94.图5是根据本技术实施例的质检模块的结构框图，如图5所示，在其中一些实施例中，质检模块46包括：
95.模型检测结果模块51，用于将质检文本输入训练好的质检模型，得到模型检测结果；
96.匹配模块52，将模型检测结果和正则识别结果的语义内容进行匹配；
97.质检结果模块53，用于若匹配成功，将模型检测结果与正则识别结果取并集，得到质检结果；若匹配失败，将模型检测结果作为质检结果。也就是说，当训练好的质检模型检测到模型检测结果和正则识别结果中对同一句话的语义内容有分歧时以模型检测结果作为质检结果。
98.需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
99.本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
100.可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
101.可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
102.步骤s101，获取语音文件；
103.步骤s102，对语音文件进行语音转译处理，得到处理后的文本文件；
104.步骤s103，将文本文件输入话者分离处理器区分用户和客服人员的对话文内容，
得到区分后的文本文件；
105.步骤s104，将区分后的文本文件输入音频分析处理器进行音频分析处理，得到质检文本；
106.步骤s105，将质检文本输入文本正则模型识别预设关键字，得到正则识别结果；
107.步骤s106，将质检文本和正则识别结果分别输入训练好的质检模型进行匹配处理，得到质检结果。
108.需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
109.另外，结合上述实施例中的离线语音质检方法，本技术实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种离线语音质检方法。
110.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种离线语音质检方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
111.在一个实施例中，图6是根据本技术实施例的电子设备的内部结构示意图，如图6所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图6所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器，其中，该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力，网络接口用于与外部的终端通过网络连接通信，内存储器用于为操作系统和计算机程序的运行提供环境，计算机程序被处理器执行时以实现一种离线语音质检方法，数据库用于存储数据。
112.本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
113.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram
(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
114.本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
115.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。