語音識別裝置的製作方法

2023-07-07 03:12:31 1

專利名稱：語音識別裝置的製作方法
技術領域：
本實用新型涉及語音識別領域，特別涉及一種語音識別裝置。
背景技術：
隨著科學技術日新月異的發展與層出不窮的創新，越來越多的新型智能 化電子設備不斷湧現於世。因其不僅能夠實現輕鬆辦公的目的，而且具有筒 化工作流程，減輕工作負荷，提高工作效率，節省人力成本，操作簡便快捷 等諸多優越性，因此這些新型智能化電子設備被廣泛應用於各行各業，倍受 人們關注和青睞，而語音識別設備便是這些新型智能化電子設備之一典型代 表。
目前，語音識別設備從聲學上分析基於使用者所發出的聲音而產生語音 輸入信號，然後將該語音輸入信號與先前準備好的詞模型的多個候選者比較， 以計算相應的聲學似然性(即相似性)，確定具有最高聲學似然性的候選者 (以下稱為"第一候選者")為識別結果。當第一候選者不具有足夠高的識 別可靠性時，判斷沒有正確的識別結果存在，用"請再說一次，，的語音消息 執行回話操作，提示用戶再發聲，進行再次的識別處理，但當使用者再次發 聲時，仍利用與先前所使用的相同候選者進行再次的識別處理，因此，獲得 與先前相同的識別結果，所以再發聲的識別率不能被顯著提高。
另外，由於上述語音識別設備在實際應用過程中需要預先存儲大量的候 選詞模型，而當候選詞模型庫大到一定程度時會導致語音識別設備挑選出很 多相似或相近的候選者，如此一來很容易造成由於候選者的多個相似而導致 識別的最終結果出現很大誤差，並且當候選詞模型庫足夠大時整個程序的遍 歷時間長度會顯著增加，由此使得整個語音識別設備無法真正得到實際應用。
發明內容
本實用新型解決的技術問題是語音識別裝置及其識別方法，由於提供了 相似相異性的比較，從而提高了識別的成功率，而且根據不同的設備所使用 的場合和目的的不同，提供針對性的目標庫，減少了不必要的運算提高了可用性。
為解決上述問題，本實用新型提供一種語音識別裝置，該裝置主要包括 語音接收單元，用於接收待識別的用戶語音；
識別處理單元，用於對所迷待識別的用戶語音分別進行相似性、相異性 識別處理後，獲取與所述用戶語音對應的識別結果；
輸出單元，用於輸出所述識別結果。
所述的識別處理單元具體包括
第一語音識別單元，用於將用戶語言的格式文件與已存儲預設語音的格 式文件進行相似性比較，得到與所述用戶語音相似的預設語音的格式文件；
第二語音識別單元，用於接收所述的相似的預設語音格式文件以及用戶 語音文件格式文件，並將所述用戶語音格式文件與所述相似的預設語音格式 文件進行相異性比較，獲取兩者相異度值，即準成功值；
準成功值按照由低到高進行升序排列，經過相似性對比和相異性對比後 所得的準成功值，如無近似語音的存在的情況下，則準成功值的最低值為用 戶語應的對應值；如在預i殳語音有近似目標存在的情況下，針對不同的環境、 使用概率進行加權處理後，準確率會更高。
加權處理單元，對第二語音識別單元得出的準成功值與加權變量進行疊 加，並得出成功值。
第一語音處理單元進行相似性比較後得出相應的比較結果，該比較結杲為 一組格式文件，並按照相似度由高到低進行降序排列。
第二語音處理單元進行相異性比較後會得出相應的比較結果，該比較結果 為一組數值一一準成功值，並按照相異度由低到高進行升序排列。
在加權處理單元內預設有一加權變量，該加權變量依據語詞的常用度、使 用頻率等通過算法得出，且該加權變量在執行每次識別任務過程中依所述語 音接收裝置接收到的使用者發出的語音信號的不同而不斷變化。
當準成功加權處理單元接收到由語音識別單元n傳送來的一組準成功值 後，將每個準成功值與準成功加權值單元內預設的加權變量進行疊加，計算 出最終的成功值，並按照成功值由高到低進行降序排列。
另外，還包括， 一目標庫，即語音識別裝置進行比較的所有預設語音的 集合，所述目標庫為有限的詞和/或短語；字、詞的集合；字、詞、短句的集 合。且為所述相似性、相異性比較識別提供比較對象i本實用新型所指的目 標庫不是所有字、詞的集合，是對特定的使用環境以及使用目的而^l定的， 其數量有限且具有很強的針對性，是有限且所述的目標庫中的目標語言為字、詞、短語和其之間的結合，從而省略對非關鍵詞句的判斷，提高了可用性。 用戶可以將希望進行比較識別的所有目標輸入其中。該目標庫可以由任何一 個非特定使用者進行定義操作而無需專業人員進行，可以依據用戶的需要隨 時設置隨時更新，也可以依據用戶的需要隨時刪除一些不需要的目標，由此
確定進行識別比較的目標範圍，有針對性的進行識別，從而減輕了i吾音識別 的運算負荷，提高了語音識別的成功率。
另外，還包括，語音轉換處理單元，轉換用戶語音的格式，並在保存所 述轉換格式的用戶語音後發送給所述識別處理單元，可用於在所述語音接收 單元之後，識別處理單元之前；
語音逆轉處理單元，用於轉換預設語音的格式，並保存所述轉換格式的 預設語音。
另外，所述語音逆轉處理單元具體包括
一語庫，用於存儲大量的字詞及短語，為所述預設語音提供格式轉換6令 依撫
逆轉器，用於根據所述語庫轉換預設語音文件的格式； 第二存儲器，用於存儲所述格式轉換後的預設語音文件。 所述語音轉換處理單元具體包括
轉換器，用於將接收到的用戶語音信息的格式轉換為與所述預i殳-〖吾音對 應的格式；
第一存儲器，用於保存格式轉換的用戶語音信息，並發送所述用戶語音。 第一存儲器與第二存儲器的作用相同，也可以合併為一個存儲器。< 另外，所述的識別處理單元具體包括
第一語音識別單元，用於接收來自第一存儲器的用戶語音，將所述用戶 語音與第二存儲器中的目標語音進行相似性比較，獲取與所述用戶語音相似 的預設語音，並發送所述相似的預設語音以及用戶語音；
第二語音識別單元，用於接收所述相似的預設語音以及用戶語音，並將 所述用戶語音與所迷相似的預設語音進行相異性比較，獲取相似預設語音的 相異度值，並以所迷相異度值作為準成功值與預設的闞值進行比較，若所述 準成功值小於或等於預設的閾值，則以所述預設語音作為與用戶語音對應的 目標語音，否則，指示第一、第二語音識別單元重新進行比較識別，直到比 較識別的準成功值小於或等於所述預設閾值為止。設定閾值，可使得識別比 較更加有效和快速。與現有技術相比，本實用新型具有以下有益效果
本實用新型的語音識別裝置對所迷待識別的用戶語音分別進行相似性、 相異性識別處理後，獲取與所述用戶語音對應的識別結果，提高了語音識別 的成功率；另外，增設了目標庫，目標庫中預設語音格式文件，所迷預設語 音為有限的詞和/或短語，且為所迷相似性、相異性比較識別提供比較對象， 進行語音識別時，比較識別的目標範圍限定在目標庫內各預設語音文件範圍 內，因而不減輕了語音識別的運算負荷。


圖l是本發明語音識別裝置的第一實施例示意圖； 圖2是發明語音識別裝置的第二實施例示意圖3是本發明語音識別裝置的語音轉換處理單元與第一語音識別單元和 第二語音識單元的相互關係示意圖4是本發明語音識別裝置的語音逆轉處理單元與第一語音識別單元和 目標庫的相互關係示意圖。
具體實施方式
以下結合附圖對本發明的優選實施例進行說明。
參考圖1，該圖為本發明語音識別裝置的第一實施例示意圖，其包括語 音接收單元ll、識別處理單元12以及輸出單元13;
具體實現時，首先，由語音接收單元ll接收待識別的用戶語音，然後， 由識別處理單元12對所迷待識別的用戶語音分別進4亍相似性、相異性識別處 理後，獲取與所述用戶語音對應的識別結果，最後，由輸出單元13輸出所迷 識別結果。
參考圖2-4,該圖為本發明語音識加裝置的第二實施例示意圖，該實施例 中以用戶語音信號為AA，目標庫中的預設語音為文本格式文件(與後面的強 調部分呼應)TA、 TB、 TC為例進^"說明，其包括目標庫101,語音接收單 元108，語音轉換處理單元102，語音逆轉處理單元103,禁一語音識別單元 104，第二語音識別單元105，加權處理單元106，還原處理單元107以及輸出 單元109。該語音識別裝置能夠接收用戶語音信號AA並對該語音信號AA進 行識別比較，進而輸出與該語音信號AA相對應的文本信號TA。
具體說明如下首先由使用者對目標庫101進行定義，該目標庫由使用者200820045212.1 可以將希望語音識別裝置進行比較識別的所
有目標輸入其中。該目標庫101可以依據使用者的需要隨時設置隨時更新，
也可以依據使用者的需要隨時刪除一些不需要的目標。當使用者發出語音信
號a時，語音接收轉換單元102會接收使用者發出的該語音信號，並將其轉 換為專用格式數位訊號文件SDa;與此同時，語音逆轉單元103會將目標庫 101中所有的目標文本文件TA、 TB、 TC等依據語音逆轉單元103內預設的語 庫分別轉換為專用格式文件SDA、 SDB、 SDC等。隨後第一語音識別單元104 將接收到的由語音逆轉單元103及語音接收轉換單元102分別傳送來的專用 格式文件進行相似性比較，得出一與SDa最為近似的專用格式文件SDA;緊接 著第二語音識別單元105將接收到的由第一語音識別單元104及語音^:收轉 換單元102分別傳送來的專用格式文件進行相異性比較，並得出一準成功值 xA,然後由準成功加權值單元106接收由第二語音識別單元105傳送來的準 成功值，並將其分別與準成功加權值單元內預設的加權變量yA進4亍對應疊加 以得出最終的成功值zA。最後，由還原處理單元107接收由準成功加;f又值單 元106傳送來的成功值，並依據還原處理單元107內預設的對映還原表將成 功值xA還原為由使用者事先定義好的目標庫中存儲的相對映的文本文件TA 並輸出該文本文件TA (即目標)。
語音轉換處理單元102包括兩部分:語音轉換器301以及第一存儲器302。 當使用者發出語音信號AA時，語音接收單元108會自動接收使用者發出的 該語音信號AA，然後將語音信號AA傳送給語音轉換器301。語音轉換器301 在接收到語音信號AA後會將該語音信號AA轉換為專用格式數位訊號SDA， 並將轉換後的專用格式數位訊號SDA傳送給第一存儲器302。最後，通過第 一存儲器302將專用格式數位訊號SDA分別傳送給第一語音識別單元104和 第二語音識別單元105以進行後續的識別比較處理。
該語音逆轉處理單元也包括三個部分語音逆轉器401,語庫402以及第 二存儲器403。所述語庫中存儲大量的字詞及短語，用於在語音逆轉器401對 使用者已事先定義好的並存儲於目標庫402中的文本文件進行逆轉換時提供 切實可靠的逆轉換依據。具體實現時，首先由語音逆轉器401讀取目標庫內 的所有預設語音文本文件，由此確定後續識別比較的範圍。然後由語音逆轉 器401將預^:語音文本文件依據語庫402內對應的字詞或短語分別逆轉換為 專用格式文件，隨後語音逆轉器401將這組經過逆轉換後的專用格式文件傳 送給第二存儲器403。
下面以用戶語音為a "蘋果"，預設文^格式語音文件為TA香蕉，TB蘋果，TC桔子為例，對本發明語音識別裝置進行語音識別的過程進行詳細說 明，同樣參考圖2-4:
當用戶發出語音a "蘋果，，後，語音接收單元108接收該語音，並傳送給 語音轉換處理單元102,由語音轉換處理單元102將語音a "蘋果，，轉換為專 用格式文件SDa蘋果，然後在將轉換後的專用格式文件存儲至第一存儲器302 內的同時將SDa蘋果傳送給第一語音識別單元104。
與此同時，語音逆轉處理單元103將目標庫中三個文本格式分別轉換為 專用格式文件SDA香蕉，SDB蘋果，SDC桔子，然後將轉換後的專用格式文 件存儲至第二存儲器403中。
當第一語音識別單元104接收到由語音轉換處理單元102傳送來的專用 格式文件SDa蘋果後，即在語音逆轉處理單元103內的第二存儲器403中進 行搜尋識別，將SDa蘋果與各逆轉的預設語音進行相似性比較，找出與SDa 蘋果最相似的專用格式文件SDB蘋果,並將其輸出到第二語音識別單元105。
第二語音識別單元105接收到語音轉換處理單元102傳送來的SDa蘋果 與第一語音識別單元104傳送來的SDB蘋果後，對這兩者進行相異性比較， 經比較得出 一個相異度值即準成功值xB。
然後第二語音識別單元105再將準成功值xB與預設的閾值M進行比較， 得出xB<M或xB=M，由此第二語音識別單元105發出命令，要求停止繼續 比較識別，隨後將準成功值xB輸出到加權處理單元106以計算成功值。
當加權處理單元接收到準成功值xB後會將xB與經計算得出的加權變量 yB進行相應的疊加運算，從而得出成功值zB。.
隨後加權處理單元會將zB所對應的專用格式文件SDB蘋果輸出到還原 處理單元，由還原處理單元將SDB蘋果還原為目標庫中的目標之一 TB蘋果， 並輸出該文本文件TB。
需要說明的，最終輸出識別結果TB為文本文件，而不是預設語音，因為 目標庫中事先設定的目標是文本格式的。當然，若目標庫中的目標為聲音格 式，則輸出目標時為目標語音。所以，目標庫中目標的表現形式多樣，包括 但不限於文本格式、聲音格式，依據用戶自身需要而設定。本發明在相似性 相異性比較的過程中，所涉及的格式文件也不限於文本格式。另外，我們可 以在輸出目標文本文件TB之後加裝一些裝置，如發音裝置，光電信號控制裝 置等等，這時目標文本文件TB也可以表現為語音"蘋果"，還可以表現為燈 泡點亮的光電信號，等等。上述為在無幹擾的情況下本發明語音識別裝置進行語音識別的過程，下 面對存在幹擾的情況下本發明語音識別裝置語音識別的過程進行說明，同樣
參考圖2-4所示
當用戶發出語音a "蘋果，，後，語音接收單元108接收該語音，並傳送給 語音轉換處理單元102,由語音轉換處理單元102將語音a "蘋果"轉換為專 用格式文件SDa蘋果，然後在將轉換後的專用格式文件存儲至第一存儲器302 內的同時將SDa蘋果傳送給第一語音識別單元104。
與此同時，語音逆轉處理單元103將目標庫中三個文本格式分別轉換為 專用格式文件SDA芒果，SDB蘋果，SDC桔子，然後將轉換後的專用格式文 件存儲至第二存儲器403中。
當第一語音識別單元104接收到由語音轉換處理單元102傳送來的專用 格式文件SDa蘋果後，即在語音逆轉處理單元103內的第二存儲器403中進 行搜尋識別，將SDa蘋果與各逆轉的預設語音進行相似性比較，找出與SDa 蘋果最相似的專用格式文件SDA芒果，並將其輸出到第二語音識別單元105。
第二語音識別單元105接收到語音轉換處理單元102傳送來的SDa蘋果 與第一語音識別單元104傳送來的SDA芒果後，對這兩者進行相異性比較， 經比較得出 一個相異度值即準成功值xA。
然後第二語音識別單元105再將準成功值xA與預設的閾值M進行比較， 得出xA>M,於是第二語音識別單元105發出命令，要求繼續進行下一輪比 較識別，由此語音識別進入到由第一語音識別單元104進行下一輪相似性比 較識別的過程。
第一語音識別單元104從語音轉換處理單元102內的第一存儲器中讀取 SDa蘋杲，然後將SDa蘋果與語音逆轉處理單元103內第二存儲器中的各逆 轉目標進行相似性比較，找出第二個與SDa蘋果最為相似的專用格式文件 SDB蘋果，並將其輸出到第二語音識別單元105。
第二語音識別單元105從語音轉換處理單元內的第一存儲器中讀取SDa 蘋果，然後將其與第一語音識別單元104傳送來的SDB蘋果進行相異性比較， 經比較得出 一個相異度值即準成功值xB。
然後第二語音識別單元105再將準成功值xB與預設的閾值M進行比較， 得出xB〈M或xB-M，由此第二語音識別單元發出命令，要求停止繼續比較 識別。隨後第二語音識別單元105將準成功值xA與xB ii行比較(xBzA )，並按照成功值由高到低進行排列。
隨後加權處理單元會將最高成功值即zB所對應的專用格式文件SDB蘋 果輸出到還原處理單元，由還原處理單元將SDB蘋果還原為目標尋中的目標 之一TB蘋果，並輸出該文本文件TB。與實施例l相同，這裡輸出'的是目標 庫中的目標文本丈件TB,而不是直接輸出目標內容所對應的語音，因為目標 庫中事先設定的目標是文本格式的。
與語音識別裝置相對應的，本發明還提供一種語音識別方法，該方法包 括a、接收待識別的用戶語音；b、對所述待識別的用戶語音分別進行相似 性、相異性識別處理後，獲取與所述用戶語音對應的識別結果，其中相似性 比較為所述用戶語音的格式文件與預設語音的格式文件進行相似性比較，獲 取與所述用戶語音相似的預設語音格式文件，相異性比較為將所述相似的預 設語音格式文件與預設語音的格式文件進行相異性比較，獲取相異度值；c、 輸出所述識別結果.
其中，所述的b步驟具體包括
bl、接收用戶語音，與預設語音進行相似性比較，獲取與所述用戶語音 相似的預設語音，並發送所述相似的預設語音以及用戶語音；
b2、接收所述相似的預設語音以及用戶語音,並將所述用戶語音與所述 相似的預設語音進行相異性比較，獲取相似語音的相異度值，並以所迷相異 度值作為準成功值；
將所述準成功值與預設的閾值進^f亍比較，若所述準成功值小於或等於預 設的閾值，則以所述預設語音作為與用戶語音對應的目標語音；否則，返回步 驟bl ，直到比較識別的準成功值小於或等於所述預設閾值為止後執行b3;
b3、對得出的準成功值與加權變量進行疊加，並得出成功值，
相似性比較後得出相應的比較結果，該比較結杲為一組格式文件，並按照 相似度由高到低進行降序排列；'
衝日異性比較後會得出相應的比較結果，該比較結果為 一組數值一一準成功 值，並按照相異度由低到高進行升序排列。
預設有一加權變量，該加權變量依據語詞的常用度、使用頻率等通過算法 得出，將每個準成功值與準成功加權值單元內預設的加權變量進行疊加，計 算出最終的成功值，並按照成功值由高到低進行降序排列。
其中，c步驟還具體包括還原處理，預設有一對映還原表，用於4妾收準成功加權值單元傳送來的成功值並還原為由使用者事先定義好的語音目標庫
中存儲的相對映的文本文件；以及
一輸出裝置，.、用於輸出最高成功值所對映的目標庫中的文本文件；若出現 兩個最高成功值，則所述輸出裝置將默認輸出第一個最高成功值所對映的文 本文件。
以上所述是本發明的優選實施方式，應當指出，對於本技術領域的普通 技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾， 這些改進和潤飾也^L為本發明的保護範圍。
權利要求1、一種語音識別裝置，其特徵在於，包括語音接收單元，用於接收待識別的用戶語音；識別處理單元，用於對所述待識別的用戶語音分別進行相似性、相異性識別處理後，獲取與所述用戶語音對應的識別結果；輸出單元，用於輸出所述識別結果。
2、 根據權利要求1所述的語音識別裝置，其特徵在於，所述的識別處理 單元具體包括 "第一語音識別單元，用於將用戶語言的格式文件與已存儲預設語音的格 式文件進行相似性比較，得到與所述用戶語音相似的預設語音的格式文件；第二語音識別單元，用於接收所述的相似的預設語音格式文件以及用戶 語音的格式文件，並將所述用戶語音格式文件與所述相似的預設語音格式文 件進行相異性比較，獲取兩者相異度值，即準成功值。
3、 根據權利要求2所述的語音識別裝置，其特徵在於，所述的識別處理 單元具體還包括加權處理單元，對第二語音識別單元得出的準成功值與加權變量進行疊 加，並得出成功值。
4、 根據權利要求2或3所述的語音識別裝置，其特徵在於， 第二語音識別單元，用於接收所述相似的預設語音格式文件以及用戶語音格式文件，並將所述用戶語音格式文件與所述相似的預設語音格式文件進 行相異性比較，獲取相異度值，並以所述相異度值作為準成功值與預i殳的閾 值進行比較，若所述準成功值小於或等於預設的閾值，則進入加權處理單元， 否則，指示第一、第二語音識別單元重新進行比較識別，直到比較識別的準 成功值小於或等於所述預設閾值為止。
5、 根據權利要求3所述的語音識別裝置，其特徵在於，還包括 加權處理單元，用於在第二語音識別單元判斷準成功值小於或等於預設闊值時，將準成功值與預設的加變量對應疊加，獲取所述準成功值的成功值； 或在第二語音識別單元判斷準成功值大於預設閾值後重新進行語音識 別，直到所述準成功值小於或等於預設閾值時，將每次識別後獲取的準成功 值與預設的加權變量對應疊加，獲取各準成功值的成功值，並按照成功值由高到低進行降序排列，獲取最高值。
6、根據權利要求1所述的語音識別裝置，其特徵在於，其輸出單元還包括還原處理單元，所述的還原處理單元內預設有一對映還原表，用於接收 準成功加權值單元傳送來的成功值並還原為由使用者事先定義好的語音目標 庫中存儲的相對映的文本文件；以及一輸出裝置，用於輸出最高成功值所對映的目標庫中的文本文件；若出現 兩個最高成功值，則所述輸出裝置將默認輸出第一個最高成功值所對映的文 本文件。
7、 根據權利要求1所述的語音識別裝置，其特徵在於，還包括 一目標庫，即語音識別裝置進行比較的所有預設語音的集合，所述目標庫為有限的詞和/或短語；字、詞的集合；字、詞、短句的集合。
8、 根據權利要求1所述的語音識別裝置，其特徵在於，還包括語音轉換處理單元，用於轉換用戶語音的格式，並在保存所述轉換格式 的用戶語音後發送給所述識別處理單元；語音逆轉處理單元，用於轉換預設語音的格式，並保存所述轉換格式的 預設語音。
專利摘要本實用新型公開了一種語音識別裝置，包括接收待識別的用戶語音的語音接收單元；對所述待識別的用戶語音分別進行相似性、相異性識別處理後，獲取與所述用戶語音對應的識別結果的識別處理單元；以及輸出所述識別結果的輸出單元。採用本實用新型提高了語音識別的成功率，減輕了語音識別的運算負荷。
文檔編號G10L15/08GK201233718SQ20082004521
公開日2009年5月6日 申請日期2008年3月21日 優先權日2008年3月21日
發明者管桂寶 申請人:廣州漢音電子科技有限公司