智能语音识别方法、装置、电子设备及存储介质与流程

1.本发明涉及语音处理技术领域，尤其涉及一种智能语音识别方法、装置、电子设备及存储介质。


背景技术：

2.在大多数语音识别的应用场景下，通常采用语音声学模型和输入信号进行匹配，求得一组候选单词，并利用语音识别模型从所述候选单词中找出符合句法约束的最佳单词序列。这种方法中，虽然语音声学约束和语言言语约束比较容易实现，但在识别一些连续的汉语句子时，会出现识别后的语句产生语序紊乱的问题，得到错误的语音识别结果。


技术实现要素：

3.本发明提供一种智能语音识别方法、装置、电子设备及存储介质，其主要目的在于解决语音识别结果存在语序紊乱的问题。
4.为实现上述目的，本发明提供的一种智能语音识别方法，包括：
5.获取语音信号，对所述语音信号执行分帧处理，得到分帧语音信号；
6.分析所述分帧语音信号的特征参数，得到音素信息参数及声调信息参数；
7.根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，得到分帧单词序列；
8.查询所述分帧单词序列中每条语句的起始端与终点端，将所述分帧单词序列拆分为每条所述语句下的单词序列段；
9.利用预构建的有限状态机依次对所述单词序列段进行单词重组，生成识别语句。
10.可选地，所述对所述语音信号执行分帧处理，得到分帧语音信号，包括：
11.获取所述语音信号的语音采样点；
12.根据所述语音采样点，对所述语音信号执行交叠分段处理，得到分帧语音信号。
13.可选地，所述在对所述语音信号执行分帧处理之前，还包括：
14.将所述语音信号执行信号放大处理，得到放大语音信号；
15.对所述放大语音信号利用预构建的信号滤波器进行信号滤波处理，得到滤波语音信号；
16.对所述滤波语音信号执行语音端点检测，提取所述端点检测中的起始端点、终止端点内的语音信号，得到标准语音信号。
17.可选地，所述分析所述分帧语音信号的特征参数，包括：
18.获取所述分帧语音信号的基音频率，并计算所述基音频率的正态分布密度，得到声调信息参数；
19.对所述分帧语音信号进行预加重处理，并利用预构建的线性预测编码模型对预加重处理后的分帧语音信号进行频率分析，得到分帧信号频率分析结果；
20.将所述分帧信号频率分析结果，利用梅尔标度进行频谱表示，得到音素信息参数。
21.可选地，所述根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，得到分帧单词序列，包括：
22.利用opv(one pass viterbi)算法同步将所述音素信息参数及所述声调信息参数对所述分帧语音信号进行单词识别，得到有调单词识别结果；
23.利用集束搜索机制将所述有调单词识别结果进行单词连接，得到所述分帧单词序列。
24.可选地，所述利用预构建的有限状态机依次对所述单词序列段进行单词重组，生成识别语句，包括：
25.利用所述预构建的有限状态机依次计算所述单词序列段中每个单词的预测排序得分；
26.根据所述预测排序得分，对所述单词序列段中的单词进行排序组合，得到所述识别语句。
27.可选地，所述利用所述预构建的有限状态机依次计算所述单词序列段中每个单词的预测排序得分，包括：
28.采用下述公式计算所述单词序列段中每个单词的预测排序得分：
[0029][0030]
其中，pmax(i|j)为所述单词序列段中第i个单词在第j个排序位置上的预测排序得分，n为所述第i个单词，q为所述单词序列段，j为所述单词在所述单词序列段中的排序位置，为所述第i个单词在所述单词序列段中第j个排序位置上预测排序得分最大的值。
[0031]
为了解决上述问题，本发明还提供一种智能语音识别装置，所述装置包括：
[0032]
语音分帧处理模块，用于获取语音信号，对所述语音信号执行分帧处理，得到分帧语音信号；
[0033]
单词序列生成模块，用于分析所述分帧语音信号的特征参数，得到音素信息参数及声调信息参数；根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，得到分帧单词序列；
[0034]
语句单词序列段生成模块，用于查询所述分帧单词序列中每条语句的起始端与终点端，将所述分帧单词序列拆分为每条所述语句下的单词序列段；
[0035]
语句单词序列段重组模块，用于利用预构建的有限状态机依次对所述单词序列段进行单词重组，生成识别语句。
[0036]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0037]
至少一个处理器；以及，
[0038]
与所述至少一个处理器通信连接的存储器；其中，
[0039]
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的智能语音识别方法。
[0040]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执
行以实现上述所述的智能语音识别方法。
[0041]
本发明实施例根据提取到的音素信息参数及声调信息参数对分帧语音信息号进行帧同步单词识别，得到分帧单词序列，可以保证语音信号在进行语音识别时的信息连续性，通过查询所述分帧单词序列中每条语句的起始端与终点端，可以将所述分帧单词序列拆分成以语句为单位的单词序列段，可以界定所述分帧单词序列的范围，保障了语音识别的以句子为单位的语序的准确性。进一步地，利用预构建的有限状态机依次对所述单词序列段进行单词重组，保障语音信号对应的句子中单词语序的准确性，从而解决了语音识别结果存在语序紊乱的问题。
附图说明
[0042]
图1为本发明一实施例提供的智能语音识别方法的流程示意图；
[0043]
图2为本发明一实施例提供的智能语音识别装置的功能模块图；
[0044]
图3为本发明一实施例提供的实现所述智能语音识别方法的电子设备的结构示意图。
[0045]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0046]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0047]
本技术实施例提供一种智能语音识别方法。所述智能语音识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述智能语音识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0048]
参照图1所示，为本发明一实施例提供的智能语音识别方法的流程示意图。在本实施例中，所述智能语音识别方法包括以下步骤s1-s5：
[0049]
s1、获取语音信号，对所述语音信号执行分帧处理，得到分帧语音信号。
[0050]
本发明实施例中，所述语音信号是指利用预设的语音交互系统接收到的对话语音信息。
[0051]
本发明实施例中，在所述对所述语音信号执行分帧处理之前，还需要对所述语音信号进行预处理，用以增大所述语音信号的语音特征及去除所述语音信号中的噪声等。
[0052]
作为本发明一个实施例，所述对所述语音信号执行分帧处理之前，还包括：将所述语音信号执行信号放大处理，得到放大语音信号；对所述放大语音信号利用预构建的信号滤波器进行信号滤波处理，得到滤波语音信号；对所述滤波语音信号执行语音端点检测，提取所述端点检测中的起始端点、终止端点内的语音信号，得到标准语音信号。
[0053]
本发明实施例通过对所述语音信号执行分帧处理，得到分帧语音信号，可以将语音信号分割成多个稳定且连续的语音信号片段，细化语音信号可以更加详细的提取语音信
号中的语音信息。
[0054]
作为本发明一实施例，所述对所述语音信号执行分帧处理，得到分帧语音信号，包括：获取所述语音信号的语音采样点；根据所述语音采样点，对所述语音信号执行交叠分段处理，得到分帧语音信号。
[0055]
本发明实施例中，所述语音采样点是指所述语音信号中信号的起始端点，通常，所述起始端点通常以语音空音节进行分隔。
[0056]
本发明实施例通过对所述语音信号执行交叠分段处理，可以实现分帧后帧与帧之间的语音信号平滑过度，保证分帧后的语音信号的连续性。
[0057]
进一步地，所述根据所述语音采样点，对所述语音信号执行交叠分段处理，得到分帧语音信号，还需要利用预构建的加窗函数对所述分帧语音信号执行加权计算，用以保证分帧语音信号的稳定性。
[0058]
本发明实施例中，所述加窗函数是指可对语音信号进行加权计算的有限窗口函数。例如，所述预构建的加窗函数可使用矩形窗或汉明窗。
[0059]
本发明实施例中，可采用下述加窗函数：
[0060][0061]
其中，ω(n)为所述加窗函数，n为所述分段语音信号的帧长，n为第n个所述分段语音信号。
[0062]
s2、分析所述分帧语音信号的特征参数，得到音素信息参数及声调信息参数。
[0063]
本发明实施例中，所述音素信息参数是指产生不同语言的语音的最小语音单位，例如，在汉语中存在22个声母(包括零声母)和38个韵母，所述声调信息参数是指语言中音调的变化，例如，在汉语中，可通过因素信息参数和声调信息参数相结合识别出多个候选字。
[0064]
本发明实施例通过分析所述分帧语音信号的特征参数，可以精确地得到所述语音信号的构成单元，以便精准地将所述语音信号识别成文字信息。
[0065]
作为本发明一实施例，所述分析所述分帧语音信号的特征参数，包括：获取所述分帧语音信号的基音频率，并计算所述基音频率的正态分布密度，得到声调信息参数；对所述分帧语音信号进行预加重处理，并利用预构建的线性预测编码模型对预加重处理后的分帧语音信号进行频率分析，得到分帧信号频率分析结果；将所述分帧信号频率分析结果，利用梅尔标度进行频谱表示，得到音素信息参数。
[0066]
s3、根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，得到分帧单词序列。
[0067]
本发明实施例通过根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，可以通过语音信号的基本单元精准地识别出目标字符。
[0068]
详细地，所述根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，得到分帧单词序列，包括：利用opv(one pass viterbi)算法同步将所述音素信息参数及所述声调信息参数对所述分帧语音信号进行单词识别，得到有调单词识别结果；利用集束搜索机制将所述有调单词识别结果进行单词连接，得到所述分帧单词序
列。
[0069]
本发明实施例中，所述opv(one pass viterbi)算法是指利用语音信号中的所述音素信息参数及所述声调信息参数一个接着一个进行单词识别的算法。
[0070]
本发明实施例中，所述集束搜索机制是指建立多个搜索时间步，对有调单词识别结果进行条件概率计算，并逐次输出每个搜索时间步中有调单词识别结果条件概率最大的输出结果的算法。
[0071]
s4、查询所述分帧单词序列中每条语句的起始端与终点端，将所述分帧单词序列拆分为每条所述语句的单词序列段。
[0072]
本发明实施例通过查询分帧单词序列中每条语句的起始端与终点端，将所述分帧单词序列拆分为每条所述语句的单词序列段，可以将每条语句下识别成功的单词整合为以语句为单位的单词集合，可以界定所述分帧单词序列的范围，保障了语音识别的以句子为单位的语序的准确性。
[0073]
s5、利用预构建的有限状态机依次对所述单词序列段进行单词重组，生成识别语句。
[0074]
本发明实施例中，所述预构建的有限状态机是指具有离散输入与输出的数学模型，常常用于处理语言类任务。
[0075]
本发明实施例通过利用预构建的有限状态机依次对所述单词序列段进行单词重组，可以保障语音信号对应的句子中单词语序的准确性。
[0076]
作为本发明一实施例，所述利用预构建的有限状态机依次对所述单词序列段进行单词重组，生成识别语句，包括：利用所述预构建的有限状态机依次计算所述单词序列段中每个单词的预测排序得分；根据所述预测排序得分，对所述单词序列段中的单词进行排序组合，得到所述识别语句。
[0077]
进一步地，所述利用所述预构建的有限状态机依次计算所述单词序列段中每个单词的预测排序得分，包括：
[0078]
采用下述公式计算所述单词序列段中每个单词的预测排序得分：
[0079][0080]
其中，pmax(i|j)为所述单词序列段中第i个单词在第j个排序位置上的预测排序得分，n为所述第i个单词，q为所述单词序列段，j为所述单词在所述单词序列段中的排序位置，为所述第i个单词在所述单词序列段中第j个排序位置上预测排序得分最大的值。
[0081]
本发明实施例根据提取到的音素信息参数及声调信息参数对分帧语音信息号进行帧同步单词识别，得到分帧单词序列，可以保证语音信号在进行语音识别时的信息连续性，通过查询所述分帧单词序列中每条语句的起始端与终点端，可以将所述分帧单词序列拆分成以语句为单位的单词序列段，可以界定所述分帧单词序列的范围，保障了语音识别的以句子为单位的语序的准确性。进一步地，利用预构建的有限状态机依次对所述单词序列段进行单词重组，保障语音信号对应的句子中单词语序的准确性，从而解决了语音识别结果存在语序紊乱的问题。
[0082]
如图2所示，是本发明一实施例提供的智能语音识别装置的功能模块图。
[0083]
本发明所述智能语音识别装置100可以安装于电子设备中。根据实现的功能，所述智能语音识别装置100可以包括语音分帧处理模块101、单词序列生成模块102、语句单词序列生成模块103及语句单词序列段重组模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0084]
在本实施例中，关于各模块/单元的功能如下：
[0085]
所述语音分帧处理模块101，用于获取语音信号，对所述语音信号执行分帧处理，得到分帧语音信号；
[0086]
本发明实施例中，所述语音信号是指利用预设的语音交互系统接收到的对话语音信息。
[0087]
本发明实施例中，在所述对所述语音信号执行分帧处理之前，还需要对所述语音信号进行预处理，用以增大所述语音信号的语音特征及去除所述语音信号中的噪声等。
[0088]
作为本发明一个实施例，所述对所述语音信号执行分帧处理之前，还包括：将所述语音信号执行信号放大处理，得到放大语音信号；对所述放大语音信号利用预构建的信号滤波器进行信号滤波处理，得到滤波语音信号；对所述滤波语音信号执行语音端点检测，提取所述端点检测中的起始端点、终止端点内的语音信号，得到标准语音信号。
[0089]
本发明实施例通过对所述语音信号执行分帧处理，得到分帧语音信号，可以将语音信号分割成多个稳定且连续的语音信号片段，细化语音信号可以更加详细的提取语音信号中的语音信息。
[0090]
作为本发明一实施例，所述对所述语音信号执行分帧处理，得到分帧语音信号，包括：获取所述语音信号的语音采样点；根据所述语音采样点，对所述语音信号执行交叠分段处理，得到分帧语音信号。
[0091]
本发明实施例中，所述语音采样点是指所述语音信号中信号的起始端点，通常，所述起始端点通常以语音空音节进行分隔。
[0092]
本发明实施例通过对所述语音信号执行交叠分段处理，可以实现分帧后帧与帧之间的语音信号平滑过度，保证分帧后的语音信号的连续性。
[0093]
进一步地，所述根据所述语音采样点，对所述语音信号执行交叠分段处理，得到分帧语音信号，还需要利用预构建的加窗函数对所述分帧语音信号执行加权计算，用以保证分帧语音信号的稳定性。
[0094]
本发明实施例中，所述加窗函数是指可对语音信号进行加权计算的有限窗口函数。例如，所述预构建的加窗函数可使用矩形窗或汉明窗。
[0095]
本发明实施例中，可采用下述加窗函数：
[0096][0097]
其中，ω(n)为所述加窗函数，n为所述分段语音信号的帧长，n为第n个所述分段语音信号。
[0098]
所述单词序列生成模块102，用于分析所述分帧语音信号的特征参数，得到音素信息参数及声调信息参数；根据所述音素信息参数及所述声调信息参数对所述分帧语音信号
进行帧同步单词识别，得到分帧单词序列；
[0099]
本发明实施例中，所述音素信息参数是指产生不同语言的语音的最小语音单位，例如，在汉语中存在22个声母(包括零声母)和38个韵母，所述声调信息参数是指语言中音调的变化，例如，在汉语中，可通过因素信息参数和声调信息参数相结合识别出多个候选字。
[0100]
本发明实施例通过分析所述分帧语音信号的特征参数，可以精确地得到所述语音信号的构成单元，以便精准地将所述语音信号识别成文字信息。
[0101]
作为本发明一实施例，所述分析所述分帧语音信号的特征参数，包括：获取所述分帧语音信号的基音频率，并计算所述基音频率的正态分布密度，得到声调信息参数；对所述分帧语音信号进行预加重处理，并利用预构建的线性预测编码模型对预加重处理后的分帧语音信号进行频率分析，得到分帧信号频率分析结果；将所述分帧信号频率分析结果，利用梅尔标度进行频谱表示，得到音素信息参数。
[0102]
本发明实施例通过根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，可以通过语音信号的基本单元精准地识别出目标字符。
[0103]
详细地，所述根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，得到分帧单词序列，包括：利用opv(one pass viterbi)算法同步将所述音素信息参数及所述声调信息参数对所述分帧语音信号进行单词识别，得到有调单词识别结果；利用集束搜索机制将所述有调单词识别结果进行单词连接，得到所述分帧单词序列。
[0104]
本发明实施例中，所述opv(one pass viterbi)算法是指利用语音信号中的所述音素信息参数及所述声调信息参数一个接着一个进行单词识别的算法。
[0105]
本发明实施例中，所述集束搜索机制是指建立多个搜索时间步，对有调单词识别结果进行条件概率计算，并逐次输出每个搜索时间步中有调单词识别结果条件概率最大的输出结果的算法。
[0106]
所述语句单词序列段生成模块103，用于查询所述分帧单词序列中每条语句的起始端与终点端，将所述分帧单词序列拆分为每条所述语句下的单词序列段；
[0107]
本发明实施例通过查询分帧单词序列中每条语句的起始端与终点端，将所述分帧单词序列拆分为每条所述语句的单词序列段，可以将每条语句下识别成功的单词整合为以语句为单位的单词集合，可以界定所述分帧单词序列的范围，保障了语音识别的以句子为单位的语序的准确性。
[0108]
所述语句单词序列段重组模块104，用于利用预构建的有限状态机依次对所述单词序列段进行单词重组，生成识别语句。
[0109]
本发明实施例中，所述预构建的有限状态机是指具有离散输入与输出的数学模型，常常用于处理语言类任务。
[0110]
本发明实施例通过利用预构建的有限状态机依次对所述单词序列段进行单词重组，可以保障语音信号对应的句子中单词语序的准确性。
[0111]
作为本发明一实施例，所述利用预构建的有限状态机依次对所述单词序列段进行单词重组，生成识别语句，包括：利用所述预构建的有限状态机依次计算所述单词序列段中每个单词的预测排序得分；根据所述预测排序得分，对所述单词序列段中的单词进行排序
组合，得到所述识别语句。
[0112]
进一步地，所述利用所述预构建的有限状态机依次计算所述单词序列段中每个单词的预测排序得分，包括：
[0113]
采用下述公式计算所述单词序列段中每个单词的预测排序得分：
[0114][0115]
其中，pmax(i|j)为所述单词序列段中第i个单词在第j个排序位置上的预测排序得分，n为所述第i个单词，q为所述单词序列段，j为所述单词在所述单词序列段中的排序位置，为所述第i个单词在所述单词序列段中第j个排序位置上预测排序得分最大的值。
[0116]
如图3所示，是本发明一实施例提供的实现智能语音识别方法的电子设备的结构示意图。
[0117]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如智能语音识别程序。
[0118]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行智能语音识别程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0119]
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如智能语音识别程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0120]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0121]
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接
口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0122]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0123]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0124]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0125]
所述电子设备1中的所述存储器11存储的智能语音识别程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0126]
获取语音信号，对所述语音信号执行分帧处理，得到分帧语音信号；
[0127]
分析所述分帧语音信号的特征参数，得到音素信息参数及声调信息参数；
[0128]
根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，得到分帧单词序列；
[0129]
查询所述分帧单词序列中每条语句的起始端与终点端，将所述分帧单词序列拆分为每条所述语句下的单词序列段；
[0130]
利用预构建的有限状态机依次对所述单词序列段进行单词重组，生成识别语句。
[0131]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0132]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0133]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0134]
获取语音信号，对所述语音信号执行分帧处理，得到分帧语音信号；
[0135]
分析所述分帧语音信号的特征参数，得到音素信息参数及声调信息参数；
[0136]
根据所述音素信息参数及所述声调信息参数对所述分帧语音信号进行帧同步单词识别，得到分帧单词序列；
[0137]
查询所述分帧单词序列中每条语句的起始端与终点端，将所述分帧单词序列拆分为每条所述语句下的单词序列段；
[0138]
利用预构建的有限状态机依次对所述单词序列段进行单词重组，生成识别语句。
[0139]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0140]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。
[0141]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0142]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0143]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0144]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0145]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0146]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0147]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。