本申请公开了一种语音识别方法、装置、存储介质及电子装置，涉及智能家居领域，该语音识别方法包括：获取待识别语音和环境参数，其中，环境参数是输出待识别语音的用户所处环境的参数；基于环境参数对待识别语音进行筛选，得到目标语音；利用预设识别模型和预设语音库，对目标语音包含的文本进行识别，得到待识别语音的语义识别结果。本发明专利技术解决了相关技术中对待识别语音的语义识别准确度差的技术问题。题。题。
【技术实现步骤摘要】
语音识别方法、装置、存储介质及电子装置
[0001]本申请涉及智能家居领域，具体而言，涉及一种语音识别方法、存储介质及电子装置。
技术介绍
[0002]目前，在人机交互，例如智能家居的应用场景中，主要是采用规则匹配的方法来对用户发出的功能指令进行识别并执行，例如通过构建一些匹配规则，对用户发出的语音指令进行匹配识别，再对识别出的功能指令进行执行操作。
[0003]但是这种方法限定了语言规则，用户只能通过指定的指令来操作家居设备，家居设备也无法从语义层面上解析用户发出的具有相同含义和指令的语音，导致语义识别准确度差。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请实施例提供了一种语音识别方法、存储介质及电子装置，以至少解决相关技术中对待识别语音的语义识别准确度差的技术问题。
[0006]根据本申请实施例的一个方面，提供了一种语音识别方法，包括：获取待识别语音和环境参数，其中，环境参数是输出待识别语音的用户所处环境的参数；基于环境参数对待识别语音进行筛选，得到目标语音；利用预设识别模型和预设语音库，对目标语音包含的文本进行识别，得到待识别语音的语义识别结果。
[0007]可选地，基于环境参数对待识别语音进行筛选，得到目标语音，包括：基于环境参数构建语音筛选条件；基于语音筛选条件对待识别语音进行筛选，得到目标语音。
[0008]可选地，基于环境参数构建语音筛选条件，包括：获取环境参数中的天气参数和温度参数；基于天气参数和温度参数，确定筛选文本类型以及筛选文本数量，其中，筛选文本类型和筛选文本数量用于表征目标语音包含的文本的类型和数量；基于筛选文本类型和筛选文本数量，构建语音筛选条件。
[0009]可选地，利用预设识别模型和预设语音库，对目标语音包含的文本进行识别，得到待识别语音的语义识别结果，包括：利用预设识别模型对目标语音进行语义识别，得到第一识别向量；基于预设索引框架从预设语音库中筛选第二识别向量；响应于第一识别向量与第二识别向量匹配，确定第二识别向量对应的语义结果为语义识别结果。
[0010]可选地，利用预设识别模型对目标语音进行语义识别，得到第一识别向量，包括：提取目标语音的属性特征和文本内容；利用预设识别模型和属性特征，对文本内容进行向量化，得到语义识别向量；基于预设固定参数对语义识别向量进行嵌入处理，得到第一识别向量。
[0011]可选地，利用预设识别模型和属性特征，对文本内容进行向量化，得到语义识别向量，包括：基于属性特征对文本内容进行拆分，得到多个待识别文本；对多个待识别文本进
行编码，得到多个编码文本；利用第一权重矩阵对多个编码文本进行处理，得到多个编码文本对应的多个注意力值；基于第二权重矩阵对目标注意力值进行处理，得到语义识别向量，其中，目标注意力值是由多个注意力值拼接得到的值。
[0012]可选地，基于预设索引框架从预设语音库中筛选第二识别向量，包括：获取预设语音库中存储的多个语义向量的数据特征；对多个语义向量的数量进行指数衰减，得到索引层数；基于数据特征的上下级关系、多个语义向量和索引层数，生成索引图，其中，索引图中不同索引层包含不同的索引语义向量，索引语义向量是利用上下级关系对多个语义向量划分得到的向量；基于索引图的层级关系，从索引图的索引语义向量中确定第二识别向量。
[0013]可选地，该方法还包括：获取样本语音的样本属性特征和样本文本内容；利用预设识别模型对样本属性特征和样本文本内容进行处理，得到样本识别向量；基于预设固定参数对样本识别向量进行嵌入处理，得到第二识别向量；按照预设存储格式存储第二识别向量，得到预设语音库。
[0014]根据本申请实施例的一个方面，还提供了一种语音识别装置，包括：获取模块，用于获取待识别语音和环境参数，其中，环境参数是输出待识别语音的用户所处环境的参数；筛选模块，用于基于环境参数对待识别语音进行筛选，得到目标语音；识别模块，用于利用预设识别模型和预设语音库，对目标语音包含的文本进行识别，得到待识别语音的语义识别结果。
[0015]可选地，筛选模块包括：条件构建单元，用于基于环境参数构建语音筛选条件；语音筛选单元，用于基于语音筛选条件对待识别语音进行筛选，得到目标语音。
[0016]可选地，条件构建单元包括：参数获取子单元，用于获取环境参数中的天气参数和温度参数；确定子单元，用于基于天气参数和温度参数，确定筛选文本类型以及筛选文本数量，其中，筛选文本类型和筛选文本数量用于表征目标语音包含的文本的类型和数量；构建子单元，用于基于筛选文本类型和筛选文本数量，构建语音筛选条件。
[0017]可选地，识别模块包括：第一向量确定单元，用于利用预设识别模型对目标语音进行语义识别，得到第一识别向量；第二向量确定单元，用于基于预设索引框架从预设语音库中筛选第二识别向量；结果确定单元，用于响应于第一识别向量与第二识别向量匹配，确定第二识别向量对应的语义结果为语义识别结果。
[0018]可选地，第一向量确定单元包括：提取子单元，用于提取目标语音的属性特征和文本内容；向量化子单元，用于利用预设识别模型和属性特征，对文本内容进行向量化，得到语义识别向量；嵌入子单元，用于基于预设固定参数对语义识别向量进行嵌入处理，得到第一识别向量。
[0019]可选地，向量化子单元还用于：基于属性特征对文本内容进行拆分，得到多个待识别文本；对多个待识别文本进行编码，得到多个编码文本；利用第一权重矩阵对多个编码文本进行处理，得到多个编码文本对应的多个注意力值；基于第二权重矩阵对目标注意力值进行处理，得到语义识别向量，其中，目标注意力值是由多个注意力值拼接得到的值。
[0020]可选地，第二向量确定单元包括：特征获取子单元，用于获取预设语音库中存储的多个语义向量的数据特征；层数确定子单元，用于对多个语义向量的数量进行指数衰减，得到索引层数；索引图生成子单元，用于基于数据特征的上下级关系、多个语义向量和索引层数，生成索引图，其中，索引图中不同索引层包含不同的索引语义向量，索引语义向量是利
用上下级关系对多个语义向量划分得到的向量；第二向量确定子单元，用于基于索引图的层级关系，从索引图的索引语义向量中确定第二识别向量。
[0021]可选地，该装置还包括：样本获取模块，用于获取样本语音的样本属性特征和样本文本内容；样本处理模块，用于利用预设识别模型对样本属性特征和样本文本内容进行处理，得到样本识别向量；向量嵌入模块，用于基于预设固定参数对样本识别向量进行嵌入处理，得到第二识别向量；语音库确定模块，用于按照预设存储格式存储第二识别向量，得到预设语音库。
[0022]根据本申请实施例的另一方面，还提供了一种计算机可读的存储介质，其特征在于，计算机可读的存储介质包括存储的程序，其中，程序运行时执行上述任一项语音识别方法。
[0023]根据本申请实施例的另一方面，还提供了一种电子装置，包括存储器和处理器，其特征在于，存储器中本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种语音识别方法，其特征在于，包括：获取待识别语音和环境参数，其中，所述环境参数是输出所述待识别语音的用户所处环境的参数；基于所述环境参数对所述待识别语音进行筛选，得到目标语音；利用预设识别模型和预设语音库，对所述目标语音包含的文本进行识别，得到所述待识别语音的语义识别结果。2.根据权利要求1所述的方法，其特征在于，基于所述环境参数对所述待识别语音进行筛选，得到目标语音，包括：基于所述环境参数构建语音筛选条件；基于所述语音筛选条件对所述待识别语音进行筛选，得到所述目标语音。3.根据权利要求2所述的方法，其特征在于，基于所述环境参数构建语音筛选条件，包括：获取所述环境参数中的天气参数和温度参数；基于所述天气参数和所述温度参数，确定筛选文本类型以及筛选文本数量，其中，所述筛选文本类型和所述筛选文本数量用于表征所述目标语音包含的文本的类型和数量；基于所述筛选文本类型和所述筛选文本数量，构建所述语音筛选条件。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，利用预设识别模型和预设语音库，对所述目标语音包含的文本进行识别，得到所述待识别语音的语义识别结果，包括：利用所述预设识别模型对所述目标语音进行语义识别，得到第一识别向量；基于预设索引框架从所述预设语音库中筛选第二识别向量；响应于所述第一识别向量与所述第二识别向量匹配，确定所述第二识别向量对应的语义结果为所述语义识别结果。5.根据权利要求4所述的方法，其特征在于，利用所述预设识别模型对所述目标语音进行语义识别，得到第一识别向量，包括：提取所述目标语音的属性特征和文本内容；利用所述预设识别模型和所述属性特征，对所述文本内容进行向量化，得到语义识别向量；基于预设固定参数对所述语义识别向量进行嵌入处理，得到所述第一识别向量。6.根据权利要求5所述的方法，其特征在于，利用所述预设识别模型和所述属性特征，对所述文本内容进行向量化，得到语义识别向量...
【专利技术属性】
技术研发人员：李昱涧，
申请(专利权)人：海尔优家智能科技北京有限公司海尔智家股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。