语音识别方法及其装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111210822A(43)申请公布日2020.05.29(21)申请号202010088060.9(22)申请日2020.02.12(71)申请人支付宝（杭州）信息技术有限公司地址310007浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人杨潇峰(74)专利代理机构北京汇思诚业知识产权代理有限公司11444代理人冯伟(51)Int.Cl.G10L15/22(2006.01)G10L15/04(2013.01)G10L15/26(2006.01)G10L15/28(2013.01)权利要求书2页说明书10页附图5页(54)发明名称语音识别方法及其装置(57)摘要本说明书实施例公开了一种自动语音识别方法及其装置，其中，该方法包括：获取待识别语音，对待识别语音进行分割，以生成多个音频切片。将多个音频切片分别发送给多个语音识别方，其中，语音识别方能够生成音频切片对应的文本。分别从每个语音识别方接收音频切片对应的文本，对多个音频切片对应的文本进行文本聚合，以生成待识别语音的识别结果。由此，实现了将待识别语音的音频切片发送给多个语音识别方，由多个语音识别方共同完成待识别语音的识别工作，在语音识别过程中任何语音识别方无法获得全部的待识别语音，从而防止了待识别语音出现泄漏，对待识别语音的内容进行了保密，保护了隐私。CN111210822ACN111210822A权利要求书1/2页1.一种语音识别方法，包括：获取待识别语音；对所述待识别语音进行分割，以生成多个音频切片；将所述多个音频切片分别发送给多个语音识别方；其中，所述语音识别方能够生成所述音频切片对应的文本；分别从每个所述语音识别方接收所述音频切片对应的文本；以及对所述多个音频切片对应的文本进行文本聚合，以生成所述待识别语音的识别结果。2.如权利要求1所述的语音识别方法，其中，所述对所述待识别语音进行分割，以生成多个音频切片，包括：生成所述待识别语音的波形图；根据所述波形图中的语音波形，确定所述待识别语音中的停顿；根据所述待识别语音中的停顿，将所述待识别语音分割成所述多个音频切片。3.如权利要求2所述的语音识别方法，其中，所述根据所述待识别语音中的停顿，将所述待识别语音分割成所述多个音频切片，包括：使用语音识别技术对所述待识别语音进行识别，以生成所述待识别语音对应的模糊文本；使用分词算法对所述待识别语音对应的模糊文本进行分词；根据所述待识别语音中的停顿和分词结果，将所述待识别语音分割成所述多个音频切片。4.如权利要求1所述的语音识别方法，其中，所述将所述多个音频切片分别发送给多个语音识别方，包括：将每个所述音频切片与音频标记相对应；其中，所述音频标记与所述音频切片在所述待识别语音中的位置相关；将多个所述音频切片发送给所述多个语音识别方。5.如权利要求4所述的语音识别方法，其中，所述对所述多个音频切片对应的文本进行文本聚合，以生成所述待识别语音的识别结果，包括：根据所述文本与所述音频标记的对应关系，对所述文本进行排序；将排序后的所述文本进行拼接，以生成所述待识别语音的识别结果。6.如权利要求1-5中任一项所述的语音识别方法，其中，在所述对所述多个音频切片对应的文本进行文本聚合，以生成所述待识别语音的识别结果之后，还包括：使用语言模型对所述待识别语音的识别结果进行文本纠错。7.一种语音识别装置，包括：获取模块，用于获取待识别语音；分割模块，用于对所述待识别语音进行分割，以生成多个音频切片；发送模块，用于将所述多个音频切片分别发送给多个语音识别方；其中，所述语音识别方能够生成所述音频切片对应的文本；接收模块，用于分别从每个所述语音识别方接收所述音频切片对应的文本；以及聚合模块，用于对所述多个音频切片对应的文本进行文本聚合，以生成所述待识别语音的识别结果。2CN111210822A权利要求书2/2页8.如权利要求7所述的语音识别装置，其中，所述分割模块，包括：生成子模块，用于生成所述待识别语音的波形图；确定子模块，用于根据所述波形图中的语音波形，确定所述待识别语音中的停顿；分割子模块，用于根据所述待识别语音中的停顿，将所述待识别语音分割成所述多个音频切片。9.如权利要求8所述的语音识别装置，其中，所述分割子模块，包括：识别单元，用于使用语音识别技术对所述待识别语音进行识别，以生成所述待识别语音对应的模糊文本；分词单元，用于使用分词算法对所述待识别语音对应的模糊文本进行分词；分割单元，用于根据所述待识别语音中的停顿和分词结果，将所述待识别语音分割成所述多个音频切片。10.如权利要求7所述的语音识别装置，其中，所述发送模块，包括：标记子模块，用于将每个所述音频切片与音频标记相对应；其中，所述音频标记与所述