[发明专利]语音实时识别结果边界缓冲修正方法及装置

说明书

本发明涉及一种语音实时识别结果边界缓冲修正方法及装置，所述方法包括获取语音识别结果，识别所述语音识别结果中的语音边界信息；对预设时间段内的语音边界进行缓冲处理，得到所述语音边界的边界信息；当有新语音边界信息进行缓冲处理时，将所述新语音边界信息与已经存在的语音边界信息进行对比，并根据对比结果对所述已经存在的语音边界的边界信息进行修正。本发明通过设置缓冲处理对语音边界信息进行修正处理，可以提高基于时间边界的实时分析技术的容错性，以避免影响边界分析的执行结果。

技术领域

本发明属于语音处理技术领域，具体涉及一种语音实时识别结果边界缓冲修正方法及装置。

背景技术

现有技术中，存在一种基于语音识别结果边界进行静音分析、抢插话分析的实时分析算法。该算法在实时语音识别过程中，由于边界修正、识别延迟等情况，会导致识别结果边界存在误差、延迟等情况，导致对上述算法存在较大干扰进而出现结果错误。

情况一，识别边界存在修正的情况，修正边界可能变大也可能变小。当该情况出现时，如果说话内容很短，比如只有一两个字时，会出现结束边界与开始边界相等甚至更小的情况，导致结果错误。

在实时语音识别过程中，为提高实时识别效率和体验，会使用到实时识别结果上屏的技术，达到边说边识别的效果。使用实时上屏技术时，语音流一边输入，识别结果一边返回。随着语音的不断输入，识别引擎可能会对已经返回的局部识别结果进行修正，因为新的识别结果的置信度可能比旧的结果更高，置信度高的识别结果对应的词边界也可能比旧的结果更准，所以识别结果会出现修正的可能。

情况二，识别延迟导致一通通话的两个语音流，同一个时间点返回的识别边界可能相差数秒。导致进行边界分析时，可能后面的句子比新的句子先送到边界分析组件中，进而导致分析错误。

语音识别引擎会采用VAD(VoiceActivity Detect)技术进行语音活动检测。用于快速识别出声音流中真正说话的开始/结束位置，将噪音、静音等非语音剔除掉，避免浪费识别资源，相比语音识别过程，VAD执行很快，但准确率低于基于识别引擎的边界检测。由于呼叫中心类通话语音中，往往坐席的说话远多于客户，导致坐席的语音流识别延迟相比客户语音的识别延迟要大，当坐席的声音送到识别引擎，到拿到识别结果延迟可能在500ms，但是客户声音的延迟可能在100ms以内，导致识别边界返回出现乱序的情况。

针对上述两种情况，语音识别结果因为边界修正、识别延迟的原因导致影响边界分析的执行结果。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种语音实时识别结果边界缓冲修正方法及装置，以解决现有技术中语音识别结果因为边界修正、识别延迟的原因导致影响边界分析的执行结果的问题。

为实现以上目的，本发明采用如下技术方案：一种语音实时识别结果边界缓冲修正方法，包括：

获取语音识别结果，识别所述语音识别结果中的语音边界信息；

采用历史边界缓冲区对预设时间段内的语音边界进行缓冲处理，得到所述语音边界的边界信息；

当有新语音边界信息进行缓冲处理时，将所述新语音边界信息与已经存在的语音边界信息进行对比，并根据对比结果对所述已经存在的语音边界的边界信息进行修正。

进一步的，所述语音边界的边界信息，包括：

时间边界值、边界对应句子的所属角色以及边界类型；

其中，所述边界类型包括开始边界和结束边界。

进一步的，所述当有新语音边界信息进行缓冲处理时，将所述新语音边界信息与已经存在的语音边界信息进行对比，并根据对比结果对所述已经存在的语音边界的边界信息进行修正，包括：

当新语音边界进行缓冲时，判断是否存在和所述新语音边界对应句子的所述角色相同的边界；