[发明专利]一种智能语音识别系统在审

专利信息
申请号: 202210680512.1 申请日: 2022-06-15
公开(公告)号: CN115188373A 公开(公告)日: 2022-10-14
发明(设计)人: 柯芳;黄朝兵 申请(专利权)人: 武汉理工大学
主分类号: G10L15/22 分类号: G10L15/22;G10L15/02;G10L15/06;G10L15/16;G10L15/26;G10L25/18;G10L25/24;G10L25/30
代理公司: 安徽顺超知识产权代理事务所(特殊普通合伙) 34120 代理人: 连慧
地址: 430070 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 智能 语音 识别 系统
【说明书】:

发明涉及智能语音领域,且公开了一种智能语音识别系统,包括语音采集模块、特征提取模块、数据处理模块、信息识别模块和提示对话模块,所述语音采集模块的数据输出端连接特征提取模块的数据输入端,所述特征提取模块的数据输出端连接数据处理模块的数据输入端,所述数据处理模块的数据输出端连接信息识别模块的数据输入端,所述信息识别模块的数据输出端连接提示对话模块的数据输入端,该系统可以提高对专业词汇识别的精确度和准确率,特别是增强专业领域中视频会议记录的准确性、精准性,且以词汇分类模板做基础,提高专业词汇的搜索速率,进而提高了针对专业词汇的自动语音的识别效率。

技术领域

本发明涉及智能语音领域,具体为一种智能语音识别系统。

背景技术

智能语音,即智能语音技术,是实现人机语言的通信,包括语音识别技术(ASR)和语音合成技术(TTS)。智能语音技术的研究是以语音识别技术为开端,可以追溯到20世纪50年代。随着信息技术的发展,智能语音技术已经成为人们信息获取和沟通最便捷、最有效的手段,但是,现有的自动语音识别技术应用在包含专业词汇的语音识别中存在一定的问题,由于专业词汇的特殊性及应用专业词汇的人员的特定性,具有相应专业领域知识的人员可能辨识某些词汇的含义,因此,通过普通的自动语音识别技术可能存在识别专业词汇不准确的情况,或者针对专业词汇的识别效率低的情况,为此我们提出了一种智能语音识别系统。

发明内容

(一)解决的技术问题

针对现有技术的不足,本发明提供了一种智能语音识别系统,解决了上述的问题。

(二)技术方案

为实现上述所述目的,本发明提供如下技术方案:一种智能语音识别系统,包括语音采集模块、特征提取模块、数据处理模块、信息识别模块和提示对话模块,所述语音采集模块的数据输出端连接特征提取模块的数据输入端,所述特征提取模块的数据输出端连接数据处理模块的数据输入端,所述数据处理模块的数据输出端连接信息识别模块的数据输入端,所述信息识别模块的数据输出端连接提示对话模块的数据输入端。

优选的,所述语音采集模块采用麦克风,能够将采集客户语音数据信息,并将采集到的音频信号转换为电信号作为传输介质。

优选的,所述信息特征提取模块是根据语音数据信号的强弱等级,将语音数据信号分为若干字段,每个字段提取关键字。

优选的,所述特征提取模块包括加汉明窗模块、FFT模块和提取模块;所述语音采集模块获取用户的语音,并将转换的音频信号传输至所述特征提取模块;在所述特征提取模块中,所述加汉明窗模块对所述音频信号进行加汉明窗处理,然后所述FFT模块对加窗之后的音频信号进行快速傅氏变换转换成频域信号,再由所述提取模块对频域信号进行处理转换成频域波形图并从该频域波形图中提取特征点。

优选的,所述数据处理模块用于接收语音特征提取后信息并进行处理,得到识别信息,具体的步骤包括:

S51:接收位置信息和语音分析信息,获取语音信息中的正偏排序集和语音信息中的发接排序;

S52:利用公式获取语音的关联值,该公式为:

其中Qql表示为语音的关联值,η表示为预设的关联修正因子,b1、b2表示为不同的比例系数,ZPk表示为正偏排序集,FJk表示为发接排序集,ZPk0表示为正偏排序集的均值,FJk0表示为发接排序集的均值,k=1,2,3;

S53:将关联值与预设的标准关联范围进行匹配,若关联值属于标准关联范围,则判定该关联值为有效关联,并将该关联值对应的语音标记为有效语音,若关联值不属于标关联范围,则判定该关联值为无效关联,并将该关联值对应的语音标记为无效语音;

S54:获取有效语音对应的语音强度数据、语音振幅数据、语音内容数据以及语音坐标并进行组合,得到识别信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210680512.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top