[发明专利]一种语音意图识别方法、系统及电子设备

权利要求书

1.一种语音意图识别方法，其特征在于，所述方法包括：

获取待识别的原始语音数据；

对所述原始语音数据进行信号时序分析，以确定所述原始语音数据对应的时序语音特征；

利用语音识别模型对所述原始语音数据进行识别分析，以确定所述原始语音数据相应的语义内容数据；

根据所述时序语音特征与所述语义内容数据进行意图识别，以确定所述原始语音数据所对应的语音意图。

2.根据权利要求1所述的方法，其特征在于，在获取待识别的原始语音数据后，还包括：

确定所述原始语音数据的属性信息，并基于所述属性信息对所述原始语音数据进行预处理。

其中，所述属性信息包括音频格式、采样率以及采样通道数；

基于所述属性信息对所述原始语音数据进行预处理，包括：

响应于所述原始语音数据的音频格式不是预设的目标格式，将所述原始语音数据的音频格式转换为所述目标格式；

响应于所述原始语音数据的采样率不是预设的目标采样率，将所述原始语音数据的采样率转换为所述目标采样率；

响应于所述原始语音数据的采样通道数为双通道，将双通道的所述原始语音数据拆分为单通道的语音数据。

3.根据权利要求1所述的方法，其特征在于，对所述原始语音数据进行信号时序分析，以确定所述原始语音数据对应的时序语音特征，包括：

对于所述原始语音数据进行信号分析，以提取确定所述原始语音数据的基础语音特征数据；

按照时间序列计算确定所述基础语音特征数据在预设时间间隔下的时序特征，将所述时序特征作为所述时序语音特征。

4.根据权利要求3所述的方法，其特征在于，所述基础语音特征数据包括声学特征数据、能量特征数据与频谱特征数据；

所述声学特征数据包括所述原始语音数据的音高、信噪比、音频抖动与音频混响；

所述能量特征数据包括所述原始语音数据的过零率、有效能量、响度与人声占比；

所述频谱特征数据包括所述原始语音数据的梅尔频谱系数、谱带宽、谱能量、谱斜率、谱熵、谱峭度、光谱通量、谱方差、谱谐波、谱偏度、谱中心与谱锐度。

5.根据权利要求3所述的方法，其特征在于，所述时序特征包括所述基础语音特征数据的均值、方差、最大值、最小值、一阶差分函数与二阶差分函数。

6.根据权利要求1所述的方法，其特征在于，所述语音识别模型包括声学识别模型与语言解码模型；

利用语音识别模型对所述原始语音数据进行识别分析，以确定所述原始语音数据相应的语义内容数据，包括：

利用所述声学识别模型对所述原始语音数据进行语音识别，生成基本语义数据；

利用所述语言解码模型对所述基本语义数据进行解码，将所述基本语义数据转换为所述语义内容数据。

7.根据权利要求6所述的方法，其特征在于，所述声学识别模型包括多层神经网络；

所述神经网络包括至少一个时间通道，至少一个时间通道中的每个所述时间通道包括可分离的一维卷积层、批量归一化层与激活函数层；

所述语言解码模型采用基于N-Gram的统计语言模型，所述语言解码模型对所述基本语义数据进行解码时采用Beam Search算法。