本發(fā)明是有關(guān)于一種語音識別技術(shù)，且特別是有關(guān)于一種語音識別方法、電子裝置及語音識別系統(tǒng)。

背景技術(shù)：

隨著通信技術(shù)的進(jìn)步，和語音識別相關(guān)的許多應(yīng)用技術(shù)也逐漸成為在設(shè)計(jì)電子產(chǎn)品時(shí)不可或缺的項(xiàng)目之一，讓使用者能夠直接利用語音輸入取代文字輸入來與電子裝置進(jìn)行溝通。語音識別(speechrecognition)目標(biāo)是以電腦自動(dòng)將人類的語音內(nèi)容轉(zhuǎn)換為相應(yīng)的文字。語音識別技術(shù)的應(yīng)用包括語音撥號、語音導(dǎo)航、室內(nèi)設(shè)備控制、語音文檔檢索、簡單的聽寫數(shù)據(jù)錄入等。

對于本地端裝置使用的電子裝置而言，由于本地端裝置中并未建置語音識別用的數(shù)據(jù)庫，因此，目前傳統(tǒng)作法是通過網(wǎng)絡(luò)服務(wù)，而由遠(yuǎn)端的服務(wù)器來進(jìn)行語音識別。故，在網(wǎng)絡(luò)覆蓋率不佳的區(qū)域便無法離線來使用語音識別的功能。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種語音識別方法、電子裝置及語音識別系統(tǒng)。

本發(fā)明的語音識別方法，包括：自輸入裝置接收到音頻數(shù)據(jù)之后，判斷本地端裝置是否連線至網(wǎng)際網(wǎng)絡(luò)，其中本地端裝置包括音頻數(shù)據(jù)庫以及結(jié)果數(shù)據(jù)庫，音頻數(shù)據(jù)庫存儲(chǔ)多個(gè)歷史音頻數(shù)據(jù)，結(jié)果數(shù)據(jù)庫存儲(chǔ)與上述音頻數(shù)據(jù)相關(guān)聯(lián)的多個(gè)歷史文本數(shù)據(jù)；當(dāng)判定本地端裝置連線至網(wǎng)際網(wǎng)絡(luò)時(shí)，傳送音頻數(shù)據(jù)至遠(yuǎn)端服務(wù)器，以執(zhí)行線上分析而獲得文本分析結(jié)果；以及當(dāng)判定本地端裝置未連線至網(wǎng)際網(wǎng)絡(luò)時(shí)，執(zhí)行離線分析。上述執(zhí)行離線分析的步驟包括：將所接收的音頻數(shù)據(jù)與存儲(chǔ)在音頻數(shù)據(jù)庫中的各歷史音頻數(shù)據(jù)進(jìn)行聲紋比對，以獲得對應(yīng)的其中一個(gè)歷史音頻數(shù)據(jù)；以及依據(jù)所獲得的其中一個(gè) 歷史音頻數(shù)據(jù)，自本地端裝置的結(jié)果數(shù)據(jù)庫取出相關(guān)聯(lián)的其中一個(gè)歷史文本數(shù)據(jù)。在此，所述歷史文本數(shù)據(jù)是預(yù)先經(jīng)由線上分析而自遠(yuǎn)端服務(wù)器獲得。

本發(fā)明的電子裝置，包括：輸入裝置，接收音頻數(shù)據(jù)；音頻數(shù)據(jù)庫，存儲(chǔ)多個(gè)歷史音頻數(shù)據(jù)；結(jié)果數(shù)據(jù)庫，存儲(chǔ)與上述音頻數(shù)據(jù)相關(guān)聯(lián)的多個(gè)歷史文本數(shù)據(jù)；通信單元，連線至網(wǎng)際網(wǎng)絡(luò)；處理器，耦接至輸入裝置、音頻數(shù)據(jù)庫、結(jié)果數(shù)據(jù)庫以及通信單元。在自輸入裝置接收到音頻數(shù)據(jù)之后，處理器判斷通信單元是否連線至網(wǎng)際網(wǎng)絡(luò)。當(dāng)判定通信單元連線至網(wǎng)際網(wǎng)絡(luò)時(shí)，處理器通過通信單元傳送音頻數(shù)據(jù)至遠(yuǎn)端服務(wù)器，以執(zhí)行線上分析而獲得文本分析結(jié)果。當(dāng)判定通信單元未連線至網(wǎng)際網(wǎng)絡(luò)時(shí)，處理器執(zhí)行離線分析，包括：將所接收的音頻數(shù)據(jù)與存儲(chǔ)在音頻數(shù)據(jù)庫中的各歷史音頻數(shù)據(jù)進(jìn)行聲紋比對，以獲得對應(yīng)的其中一個(gè)歷史音頻數(shù)據(jù)；并且依據(jù)所獲得的其中一個(gè)歷史音頻數(shù)據(jù)，自結(jié)果數(shù)據(jù)庫取出相關(guān)聯(lián)的其中一個(gè)歷史文本數(shù)據(jù)。在此，所述歷史文本數(shù)據(jù)是預(yù)先經(jīng)由線上分析而自遠(yuǎn)端服務(wù)器獲得。

本發(fā)明還包括一語音識別系統(tǒng)，包括：本地端裝置以及遠(yuǎn)端服務(wù)器。本地端裝置包括：輸入裝置，接收音頻數(shù)據(jù)；音頻數(shù)據(jù)庫，存儲(chǔ)多個(gè)歷史音頻數(shù)據(jù)；結(jié)果數(shù)據(jù)庫，存儲(chǔ)與上述歷史音頻數(shù)據(jù)相關(guān)聯(lián)的多個(gè)歷史文本數(shù)據(jù)；第一通信單元，連線至網(wǎng)際網(wǎng)絡(luò)；第一處理器，耦接至輸入裝置、音頻數(shù)據(jù)庫、結(jié)果數(shù)據(jù)庫以及第一通信單元，其中，在自輸入裝置接收到音頻數(shù)據(jù)之后，第一處理器判斷第一通信單元是否連線至網(wǎng)際網(wǎng)絡(luò)。遠(yuǎn)端服務(wù)器包括：第二通信單元，連線至網(wǎng)際網(wǎng)絡(luò)；以及第二處理器，耦接至第二通信單元，對音頻數(shù)據(jù)進(jìn)行語音轉(zhuǎn)文本識別。當(dāng)?shù)谝惶幚砥髋卸ǖ谝煌ㄐ艈卧B線至網(wǎng)際網(wǎng)絡(luò)時(shí)，第一處理器通過第一通信單元傳送音頻數(shù)據(jù)至遠(yuǎn)端服務(wù)器，以執(zhí)行線上分析而獲得文本分析結(jié)果。當(dāng)?shù)谝惶幚砥髋卸ǖ谝煌ㄐ艈卧催B線至網(wǎng)際網(wǎng)絡(luò)時(shí)，第一處理器執(zhí)行離線分析，包括：將所接收的音頻數(shù)據(jù)與存儲(chǔ)在音頻數(shù)據(jù)庫中的各歷史音頻數(shù)據(jù)進(jìn)行聲紋比對，以獲得對應(yīng)的其中一個(gè)歷史音頻數(shù)據(jù)；并且依據(jù)所獲得的其中一個(gè)歷史音頻數(shù)據(jù)，自結(jié)果數(shù)據(jù)庫取出相關(guān)聯(lián)的其中一個(gè)歷史文本數(shù)據(jù)。在此，所述歷史文本數(shù)據(jù)是預(yù)先經(jīng)由線上分析而自遠(yuǎn)端服務(wù)器獲得。

基于上述，在連線至網(wǎng)際網(wǎng)絡(luò)的情況下，由遠(yuǎn)端服務(wù)器執(zhí)行線上分析，并且持續(xù)搜集歷史音頻數(shù)據(jù)與歷史文本數(shù)據(jù)。據(jù)此，在未連線至網(wǎng)際網(wǎng)絡(luò)的情況下，本地端裝置基于所搜集的歷史數(shù)據(jù)來執(zhí)行離線分析。

為讓本發(fā)明的上述特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉實(shí)施例，并配合附圖作詳細(xì)說明如下。

附圖說明

圖1是依照本發(fā)明一實(shí)施例的語音識別系統(tǒng)的方塊圖；

圖2是依照本發(fā)明一實(shí)施例的語音識別方法的流程圖；

圖3是依照本發(fā)明一實(shí)施例的建立離線用數(shù)據(jù)庫的方法流程圖。

具體實(shí)施方式

一般傳統(tǒng)的語音識別系統(tǒng)架構(gòu)僅提供線上分析，即，通過輸入裝置搜集音頻數(shù)據(jù)，經(jīng)由網(wǎng)絡(luò)服務(wù)進(jìn)行運(yùn)算后回傳分析結(jié)果，因此在離線狀態(tài)下便無法來執(zhí)行語音識別。為此，本發(fā)明提出一種并存于連網(wǎng)與非連網(wǎng)狀態(tài)下的語音識別方法、電子裝置及語音識別系統(tǒng)。為了使本申請的內(nèi)容更為明瞭，以下特舉實(shí)施例作為本申請確實(shí)能夠據(jù)以實(shí)施的范例。

圖1是依照本發(fā)明一實(shí)施例的語音識別系統(tǒng)的方塊圖。請參照圖1，語音識別系統(tǒng)100包括本地端裝置a、遠(yuǎn)端服務(wù)器b以及網(wǎng)際網(wǎng)絡(luò)c。本地端裝置a通過網(wǎng)際網(wǎng)絡(luò)c與遠(yuǎn)端服務(wù)器b連接。

本地端裝置a可以是個(gè)人電腦、筆記本電腦、平板電腦、智能手機(jī)、導(dǎo)航裝置、車用電子裝置等具有運(yùn)算能力的電子裝置。本地端裝置a包括第一處理器110、輸入裝置120、音頻數(shù)據(jù)庫130、結(jié)果數(shù)據(jù)庫140以及第一通信單元150。第一處理器110耦接至上述輸入裝置120、音頻數(shù)據(jù)庫130、結(jié)果數(shù)據(jù)庫140以及第一通信單元150。上述音頻數(shù)據(jù)庫130與結(jié)果數(shù)據(jù)庫140可以建置在同一個(gè)存儲(chǔ)單元內(nèi)，也可以分別存儲(chǔ)于兩個(gè)獨(dú)立的存儲(chǔ)單元內(nèi)。存儲(chǔ)單元例如為非易失性存儲(chǔ)器(non-volatilememory)、隨機(jī)存取存儲(chǔ)器(randomaccessmemory，ram)或硬盤等。

遠(yuǎn)端服務(wù)器b為具有運(yùn)算功能的云端服務(wù)器，提供一線上分析的功能。遠(yuǎn)端服務(wù)器b包括第二處理器160以及第二通信單元170。第二處理器160用以執(zhí)行語音轉(zhuǎn)文本識別(speechtotext，簡稱：stt)。

第一處理器110與第二處理器160例如為中央處理單元(centralprocessingunit，簡稱：cpu)、可程式化的微處理器(microprocessor)、嵌入式控制晶片、數(shù)碼信號處理器(digitalsignalprocessor，簡稱：dsp)、特殊應(yīng)用集成電路(applicationspecificintegratedcircuits，簡稱：asic)或其他類似裝置。第一通信單元150及第二通信單元170例如為支援有線或無線通信協(xié)定的晶片。輸入裝置120例如為麥克風(fēng)等收音器材。

圖2是依照本發(fā)明一實(shí)施例的語音識別方法的流程圖。請參照圖1及圖2，在步驟s205中，第一處理器110自輸入裝置120接收音頻數(shù)據(jù)。即，使用者通過輸入裝置120收音，并由輸入裝置120將音頻數(shù)據(jù)傳送至第一處理器110。

接著，在步驟s210中，第一處理器110判斷本地端裝置a是否連線至網(wǎng)際網(wǎng)絡(luò)c，即，判斷第一通信單元150目前是否連線至網(wǎng)際網(wǎng)絡(luò)c。

當(dāng)判定本地端裝置a連線至網(wǎng)際網(wǎng)絡(luò)c時(shí)，如步驟s215所示，本地端裝置a傳送音頻數(shù)據(jù)至遠(yuǎn)端服務(wù)器b，以執(zhí)行線上分析。具體而言，第一處理器110通過第一通信單元150傳送音頻數(shù)據(jù)至遠(yuǎn)端服務(wù)器b，以由遠(yuǎn)端服務(wù)器b執(zhí)行線上分析，而后第一處理器110自遠(yuǎn)端服務(wù)器b獲得文本分析結(jié)果，并存儲(chǔ)文本分析結(jié)果至結(jié)果數(shù)據(jù)庫140。在此，本地端裝置a的結(jié)果數(shù)據(jù)庫140中所存儲(chǔ)的歷史文本數(shù)據(jù)是預(yù)先經(jīng)由線上分析而自遠(yuǎn)端服務(wù)器b獲得。

例如，遠(yuǎn)端服務(wù)器b提供一語音識別模塊。語音識別模塊包括信號處理及特征提取模塊、聲學(xué)模型、發(fā)音詞典、語言模型及解碼器。信號處理及特征提取模塊用以從輸入信號(音頻數(shù)據(jù))中提取特征，供聲學(xué)模型使用。聲學(xué)模型例如采用隱藏式馬可夫(hiddenmarkovmodel，簡稱：hmm)模型進(jìn)行建模。語言模型對所針對的語言進(jìn)行建模。發(fā)音詞典包含多個(gè)詞匯集及其發(fā)音，用以提供聲學(xué)模型與語言模型間的映射。解碼器根據(jù)聲學(xué)模型、語言模型及發(fā)音詞典，尋找出音頻數(shù)據(jù)對應(yīng)的詞串。據(jù)此，第二處理器160利用語音識別模塊來執(zhí)行語音轉(zhuǎn)文本識別，以將音頻數(shù)據(jù)轉(zhuǎn)換為文字?jǐn)?shù)據(jù)。

而當(dāng)判定本地端裝置a未連線至網(wǎng)際網(wǎng)絡(luò)c時(shí)，在步驟s220中，由本地端裝置a執(zhí)行離線分析。離線分析包括步驟s221及s223。

在步驟s221中，第一處理器110對音頻數(shù)據(jù)進(jìn)行聲紋比對，以取出對應(yīng)的歷史音頻數(shù)據(jù)。即，第一處理器110將所接收的音頻數(shù)據(jù)與存儲(chǔ)在音頻數(shù)據(jù)庫130中的多個(gè)歷史音頻數(shù)據(jù)進(jìn)行聲紋比對，以獲得對應(yīng)的其中一個(gè)歷史音頻數(shù)據(jù)。例如，第一處理器110逐一比對音頻數(shù)據(jù)與各個(gè)歷史音頻數(shù)據(jù)的波形，以找出最相似的歷史音頻數(shù)據(jù)。

之后，在步驟s223中，第一處理器110依據(jù)所獲得的歷史音頻數(shù)據(jù)，自結(jié)果數(shù)據(jù)庫140取出相關(guān)聯(lián)的歷史文本數(shù)據(jù)。由于音頻數(shù)據(jù)庫130中的每一筆歷史音頻數(shù)據(jù)都與結(jié)果數(shù)據(jù)庫140中的其中一筆歷史文本數(shù)據(jù)相關(guān)聯(lián)，因此，在獲得其中一歷史音頻數(shù)據(jù)之后，便可根據(jù)其關(guān)聯(lián)性來獲得對應(yīng)的歷史文本數(shù)據(jù)。

在一實(shí)施例中，本地端裝置a會(huì)預(yù)先在連線至網(wǎng)際網(wǎng)絡(luò)的情況下持續(xù)搜集歷史音頻數(shù)據(jù)與歷史文本數(shù)據(jù)，以建立離線用數(shù)據(jù)庫，底下再舉一例來說明。

圖3是依照本發(fā)明一實(shí)施例的建立離線用數(shù)據(jù)庫的方法流程圖。請同時(shí)參照圖1及圖3，在第一處理器110自輸入裝置120接收到音頻數(shù)據(jù)之后，當(dāng)判定本地端裝置a連線至網(wǎng)際網(wǎng)絡(luò)c時(shí)(圖2的步驟s210的“是”)，在步驟s305中，第一處理器110傳送音頻數(shù)據(jù)至遠(yuǎn)端服務(wù)器b，以執(zhí)行線上分析。例如，遠(yuǎn)端服務(wù)器b包括語音識別模塊，第二處理器160利用語音識別模塊來執(zhí)行語音轉(zhuǎn)文本識別。在獲得文本分析結(jié)果之后，第二處理器160通過第二通信單元170將文本分析結(jié)果傳送至本地端裝置a。

在第一處理器110自輸入裝置120接收到音頻數(shù)據(jù)之后，在步驟s310中，第一處理器110還可進(jìn)一步將自輸入裝置120所接收到的音頻數(shù)據(jù)存儲(chǔ)至音頻數(shù)據(jù)庫130。在此，在不影響現(xiàn)有機(jī)制下，開通一管道同步將輸入裝置120所獲得的音頻數(shù)據(jù)另行存儲(chǔ)至音頻數(shù)據(jù)庫130。另外，本實(shí)施例并不限制步驟s305及步驟s310兩者的先后順序。

而在第一處理器110傳送音頻數(shù)據(jù)至遠(yuǎn)端服務(wù)器b之后，在步驟s315中，第一處理器110自遠(yuǎn)端服務(wù)器b接收到文本分析結(jié)果。接著，在步驟s320中，第一處理器110存儲(chǔ)文本分析結(jié)果至結(jié)果數(shù)據(jù)庫140。在此，在不影響 現(xiàn)有機(jī)制下，開通一管道同步將自遠(yuǎn)端服務(wù)器b所獲得的文本分析結(jié)果另行存儲(chǔ)至結(jié)果數(shù)據(jù)庫140。存儲(chǔ)至結(jié)果數(shù)據(jù)庫140的文本分析結(jié)果就是歷史文本數(shù)據(jù)。

在步驟s325中，第一處理器110對存儲(chǔ)至音頻數(shù)據(jù)庫130中的音頻數(shù)據(jù)與存儲(chǔ)至結(jié)果數(shù)據(jù)庫140的文本分析結(jié)果建立一關(guān)聯(lián)。據(jù)此，在執(zhí)行離線分析時(shí)，第一處理器110便能夠根據(jù)音頻數(shù)據(jù)庫130以及結(jié)果數(shù)據(jù)庫140來獲得對應(yīng)的歷史文本數(shù)據(jù)。即，自音頻數(shù)據(jù)庫130中獲得相似的歷史音頻數(shù)據(jù)之后，根據(jù)所建立的關(guān)聯(lián)，自結(jié)果數(shù)據(jù)庫140中來獲得對應(yīng)的歷史文本數(shù)據(jù)。

另外，倘若第一處理器110在執(zhí)行聲紋比對之后無法獲得相似的歷史音頻數(shù)據(jù)，則第一處理器110會(huì)產(chǎn)生一提示信息。例如，通過提示信息來通知使用者連線至網(wǎng)際網(wǎng)絡(luò)c來進(jìn)行線上分析等。

而在執(zhí)行離線分析的情況下，第一處理器110傳送自結(jié)果數(shù)據(jù)庫140所取出的歷史文本數(shù)據(jù)至輸出裝置(例如屏幕等顯示器)。在執(zhí)行線上分析的情況下，第一處理器110傳送自遠(yuǎn)端服務(wù)器b所獲得的文本分析結(jié)果至輸出裝置。

綜上所述，在連線至網(wǎng)際網(wǎng)絡(luò)c的情況下，由遠(yuǎn)端服務(wù)b器執(zhí)行線上分析，并且持續(xù)搜集歷史音頻數(shù)據(jù)與歷史文本數(shù)據(jù)來建立離線用數(shù)據(jù)庫。據(jù)此，在未連線至網(wǎng)際網(wǎng)絡(luò)c的情況下，本地端裝置a基于音頻數(shù)據(jù)庫130及結(jié)果數(shù)據(jù)庫140來執(zhí)行離線分析。

最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。