[发明专利]实时语音识别方法及系统

说明书

本发明实施例提供一种实时语音识别方法。该方法包括：在令牌传递过程中，确定采集到的实时语音中从第一帧到第N帧的每一帧的至少一个令牌；确定当前最佳识别结果路径，当前最佳识别结果的路径由第一帧到第N帧的至少N个令牌连接构成；选择当前最佳识别结果的路径中第i帧中与第i+1帧有直接连接关系的令牌作为截断令牌，从起始令牌到第i帧的截断令牌构成的历史令牌组中提取由多条识别结果的路径构成的网格；从网格提取出从第一帧到第i帧的最佳识别结果的路径。本发明实施例还提供一种实时语音识别系统。本发明实施例通过截断令牌限制当前token的历史路径，提前固定识别结果，避免了长时间内没有检测到静音而不能截断识别并固定结果。

技术领域

本发明涉及语音识别领域，尤其涉及一种实时语音识别方法及系统。

背景技术

实时语音识别系统，通常应用于具有实时对话功能的智能设备，或者实时转写设备，这类智能设备有着较强的实时显示需求。其实现的方式是持续送进音频时，间隔一段时间取出当前最佳的识别结果。较长的音频则依靠语音检测的模块，在发现静音时及时结束识别，固定识别结果。

在实现本发明过程中，发明人发现相关技术中至少存在如下问题：

语音检测模块，在连续语音输入情况下，会在很长的时间内没有检测到静音而不能截断识别并固定结果。使用更敏感的语音检测模块来进行更频繁的识别截断，往往增加识别上下文不合理的截断，这会很大程度的降低识别准确性。此外连续输入音频的过程中，每一帧的最佳结果随着音频的输入往往不止是增量地增长，而是有变动之前结果的可能。根据语言模型以及声学模型的情况，较早之前的结果也可能变动。在一些应用场景下 ,比如实时语音转写，这样的情况会给用户带来造成不好的观感。

发明内容

为了至少解决现有技术中很长的时间内没有检测到静音而不能截断识别并固定结果，使得较早之前的识别结果发生变动，由于过后的内容，影响了较早的识别内容，有些情况下可能会发生错误的变动的问题。

第一方面，本发明实施例提供一种实时语音识别方法，包括：

在令牌传递过程中，确定采集到的实时语音中的从第一帧到第N帧的每一帧的至少一个令牌，其中，所述令牌传递时起始的令牌为起始令牌；

基于所述每一帧的各个令牌的状态概率，确定当前最佳识别结果的路径，所述当前最佳识别结果的路径由第一帧到第N帧的至少N个令牌连接构成；

选择所述当前最佳识别结果的路径中第i帧中与第i+1帧有直接连接关系的令牌作为截断令牌，从所述起始令牌到第i帧的所述截断令牌构成的历史令牌组中提取由多条识别结果的路径构成的网格；

从所述网格提取出从第一帧到第i帧的最佳识别结果的路径。

第二方面，本发明实施例提供一种实时语音识别系统，包括：

令牌确定程序模块，用于在令牌传递过程中，确定采集到的实时语音中的从第一帧到第N帧的每一帧的至少一个令牌，其中，所述令牌传递时起始的令牌为起始令牌；

最佳路径确定程序模块，用于基于所述每一帧的各个令牌的状态概率，确定当前最佳识别结果的路径，所述当前最佳识别结果的路径由第一帧到第N帧的至少N个令牌连接构成；

截断程序模块，用于选择所述当前最佳识别结果的路径中第i帧中与第i+1帧有直接连接关系的令牌作为截断令牌，从所述起始令牌到第i帧的所述截断令牌构成的历史令牌组中提取由多条识别结果的路径构成的网格；

识别程序模块，用于从所述网格提取出从第一帧到第i帧的最佳识别结果的路径。

第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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本发明任一实施例的实时语音识别方法的步骤。