具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本公开实施例中，电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载移动终端、可穿戴设备、以及计步器等。

参见图1，图1是本公开实施例提供的一种语音识别方法的流程图，如图1所示，包括以下步骤：

步骤101、提取待识别语音的目标声纹特征。

其中，声纹特征可以是携带言语信息的声波频谱，声纹特征可以通过特征序列的形式表现。以语音识别方法应用于会议场景为例，待识别语音可以为会议参与人员的发言，目标声纹特征可以为任意一个会议参与人员的声纹特征。

步骤102、从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型，所述多个语音识别模型分别与多个地理区域对应。

其中，所述多个语音识别模型中每个语音识别模型可以与多个地理区域中的一个或多个地理区域对应，示例地，为提高语音识别效果，所述多个语音识别模型可以分别与多个地理区域一一对应。语音识别模型可以包括卷积神经网络，或者可以包括循环神经网络，或者可以包括长短期记忆神经网络，等等，凡是可以用于语音识别的网络结构均可以作为语音识别模型的网络结构。

另外，所述预先训练的多个语音识别模型的训练过程可以如下：可以获取所述多个地理区域各自对应的语音样本；分别将所述多个地理区域中每个地理区域对应的语音样本输入所述每个地理区域对应的语音识别模型，对所述每个地理区域对应的语音识别模型进行训练。

需要说明的是，可以存储有多个对象对应的声纹特征与所述多个语音识别模型的对应关系，可以依据存储的多个对象对应的声纹特征与所述多个语音识别模型的对应关系，从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型。示例地，可以存储有多个对象的身份信息、声纹特征标识、语音识别模型标识的对应关系的记录表，声纹特征标识用于标识声纹特征，语音识别模型标识用于标识语音识别模型，通过目标声纹特征的声纹特征标识，在记录表中查找与目标声纹特征的声纹特征标识对应的语音识别模型标识，从而能够获取与所述目标声纹特征对应的目标语音识别模型。

另外，所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系的获取过程可以如下：分别采集多个对象的语音样本；分别提取所述多个对象中每个对象的语音样本的声纹特征和声学特征；将所述每个对象对应的声学特征分别输入预先训练的区域语音识别模型，所述区域语音识别模型用于识别语音归属的地理区域；基于所述区域语音识别模型的输出结果确定所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系。

以语音识别方法应用于语音转写设备为例，可以由语音转写设备执行所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系的获取过程；或者还可以由其他电子设备执行所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系的获取过程，由其他电子设备向语音转写设备发送所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系。

步骤103、基于所述目标语音识别模型对所述待识别语音进行语音识别，得到语音识别结果。

其中，语音识别结果可以为待识别语音对应的文本内容。通过所述目标语音识别模型对所述待识别语音进行语音识别，能够将待识别语音转换为文本内容。

需要说明的是，汉语目前存在七大方言区：官话方言、吴方言、赣方言、湘方言、闽方言、粤方言及客家方言。每个方言区还可进一步分成若干个次方言区，例如官话方言，可分为东北方言、西北方言、西南方言等。方言区内的人在学习和掌握普通话的过程中，通常会出现某些发音缺陷，例如存在前后鼻韵母不分、平翘舌不分等。同一方言区的人说普通话，往往存在一些共性的问题。本公开实施例中，对于不同地理区域的说话人的语音，能够采用与该地理区域对应的语音识别模型进行语音识别，能够提高语音识别效果。

以本公开实施例中的语音识别方法应用于生成会议记录文本的语音转写设备为例，可以在会议前建立与多个方言区一一对应的多个语音识别模型，采集会议参与人员的语音样本，基于会议参与人员的语音样本确定会议参与人员的声纹特征及与其最匹配的语音识别模型。在会议过程中，采集说话人的语音，利用说话人的声纹特征确认说话人的身份，并使用与说话人的声纹特征匹配的语音识别模型对说话人的语音进行识别。从而，对于每个说话人，均采用了与其发音特征最匹配的语音识别模型进行语音识别，能够提升语音转写设备对有方言特征且发音缺陷的用户的发言的语音识别准确率。

另外，本公开实施例中的语音识别方法还可以应用于生成投诉、建议或预约记录文本的语音转写设备，其应用场景可为公共办事大厅、学校或医院预约大厅等其它需要对方言识别的场所。可以建立与多个方言区一一对应的多个语音识别模型，采集各个区域人员的语音样本，基于各个区域人员的语音样本确定各个区域人员的声纹特征及与其最匹配的语音识别模型。在使用语音转写设备收集用户的投诉、建议或预约的过程中，可以采集说话人的语音，基于说话人的语音提取说话人的声纹特征，并使用与说话人的声纹特征匹配的语音识别模型对说话人的语音进行识别。从而，对于每个说话人，均采用了与其发音特征最匹配的语音识别模型进行语音识别，能够提升语音转写设备对有方言特征且发音缺陷的用户的发言的语音识别准确率。

需要说明的是，所述从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型，可以包括：在预先存储的多个声纹特征中存在与所述目标声纹特征匹配的声纹特征的情况下，从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型，所述多个声纹特征与所述多个语音识别模型对应。所述方法还可以包括：在所述预先存储的多个声纹特征中不存在与所述目标声纹特征匹配的声纹特征的情况下，可以采用预设语音识别模型对所述待识别语音进行语音识别，得到所述语音识别结果；或者，在所述预先存储的多个声纹特征中不存在与所述目标声纹特征匹配的声纹特征的情况下，可以将所述待识别语音的声学特征输入预先训练的区域语音识别模型，所述区域语音识别模型用于识别语音归属的地理区域，确定与所述目标声纹特征对应的语音识别模型，采用与所述目标声纹特征对应的语音识别模型对所述待识别语音进行语音识别，得到所述语音识别结果，并且可以将目标声纹特征添加至所述多个声纹特征中。通过区域语音识别模型可以识别待识别语音归属的地理区域，从而可以确定待识别语音对应的语音识别模型，进而可以记录目标声纹特征对应的语音识别模型。

本公开实施例中，提取待识别语音的目标声纹特征；从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型，所述多个语音识别模型分别与多个地理区域对应；基于所述目标语音识别模型对所述待识别语音进行语音识别，得到语音识别结果。这样，通过多个语音识别模型中所述目标声纹特征对应的目标语音识别模型对待识别语音进行语音识别，从而对于不同地理区域的说话人的语音，能够采用与该地理区域对应的语音识别模型进行语音识别，能够提高语音识别效果。

可选的，所述从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型，包括：

在预先存储的多个声纹特征中存在与所述目标声纹特征匹配的声纹特征的情况下，从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型，所述多个声纹特征与所述多个语音识别模型对应；

所述方法还包括：

在所述预先存储的多个声纹特征中不存在与所述目标声纹特征匹配的声纹特征的情况下，采用预设语音识别模型对所述待识别语音进行语音识别，得到所述语音识别结果。

其中，可以存储有多个对象对应的声纹特征与所述多个语音识别模型的对应关系，所述预先存储的多个声纹特征可以为所述多个对象对应的声纹特征。所述多个语音识别模型中的一个语音识别模型可以对应一个对象或多个对象的声纹特征。所述目标声纹特征对应的目标语音识别模型可以是，预先存储的多个声纹特征中与所述目标声纹特征匹配的声纹特征对应的语音识别模型。所述预设语音识别模型可以为通用语音识别模型，预设语音识别模型可以采用多个地理区域对应的语音样本训练获得。示例地，每个地理区域对应的语音识别模型可以采用所述每个地理区域对应的语音样本进行训练，预设语音识别模型可以采用多个地理区域对应的语音样本进行训练。

另外，所述目标语音识别模型可以为与所述目标声纹特征匹配的声纹特征对应的语音识别模型。与所述目标声纹特征匹配的声纹特征，可以是与所述目标声纹特征相同的声纹特征，或与所述目标声纹特征的相似度大于预设相似度的声纹特征，预设相似度可以为90％，95％或者98％等等，本实施例对此不进行限定。

该实施方式中，在预先存储的多个声纹特征中存在所述目标声纹特征的情况下，从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型；在所述预先存储的多个声纹特征中不存在所述目标声纹特征的情况下，采用预设语音识别模型对所述待识别语音进行语音识别。这样，对于不同的声纹特征，均可以采用对应的语音识别模型针对性地进行语音识别，能够进一步提高语音识别的效果。

可选的，所述从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型之前，所述方法还包括：

获取所述多个地理区域各自对应的语音样本；

分别将所述多个地理区域中每个地理区域对应的语音样本输入所述每个地理区域对应的语音识别模型，对所述每个地理区域对应的语音识别模型进行训练；

其中，所述多个语音识别模型为所述多个地理区域各自对应的语音识别模型。

另外，多个地理区域可以按照方言区进行划分，可以划分为官话方言对应的地理区域、吴方言对应的地理区域、赣方言对应的地理区域、湘方言对应的地理区域、闽方言对应的地理区域、粤方言对应的地理区域及客家方言对应的地理区域。为提高语音识别效果，可以进一步细分，示例地，对于湘方言对应的地理区域可以划分为，常德、岳阳及娄底等等。可以从语音样本中提取语音特征，输入语音识别模型，语音特征可以包括声学特征，例如梅尔频率倒谱系数特征，或者还可以包括其他语音特征。

该实施方式中，通过将所述多个地理区域中每个地理区域对应的语音样本输入所述每个地理区域对应的语音识别模型，对每个地理区域对应的语音识别模型进行训练，训练得到的每个地理区域对应的语音识别模型能够较好地对该地理区域的语音进行语音识别，从而能够获得较好地语音识别效果。

可选的，所述提取待识别语音的目标声纹特征之前，所述方法还包括：

分别采集多个对象的语音样本；

分别提取所述多个对象中每个对象的语音样本的声纹特征和声学特征；

将所述每个对象对应的声学特征分别输入预先训练的区域语音识别模型，所述区域语音识别模型用于识别语音归属的地理区域；

基于所述区域语音识别模型的输出结果确定所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系。

其中，多个对象可以为多个说话人，以会议场景为例，多个对象可以为多个会议参与人员。所述分别采集多个对象的语音样本，可以是，分别采集多个对象针对预设文本诵读的语音样本。预设文本中可以包括能体现方言发音特征的字或词。示例地，预设文本可以包括“四”、“是”等。所述声学特征可以包括音素特征及发音属性等，可用于识别判断说话人的方言属于哪个区域。

另外，区域语音识别模型可以包括卷积神经网络，或者可以包括循环神经网络，或者可以包括长短期记忆神经网络，等等，凡是可以用于识别语音归属的地理区域的网络结构均可以作为区域语音识别模型的网络结构。

需要说明的是，通过所述区域语音识别模型的输出结果可以确定每个对象的语音归属的地理区域，从而可以确定与每个对象的语音匹配的语音识别模型，从而可以确定每个对象对应的声纹特征与语音识别模型的对应关系。依据所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系，可以从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型。

该实施方式中，将所述每个对象对应的声学特征分别输入预先训练的区域语音识别模型，基于所述区域语音识别模型的输出结果确定所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系，这样，通过区域语音识别模型能够快速且准确地识别出与所述目标声纹特征对应的目标语音识别模型。

可选的，所述区域语音识别模型包括第一区域语音识别子模型和第二区域语音识别子模型；

所述将所述每个对象对应的声学特征分别输入预先训练的区域语音识别模型，包括：

将所述每个对象对应的声学特征分别输入所述第一区域语音识别子模型，确定语音归属的第一级地理区域；

将所述每个对象对应的声学特征分别输入与所述第一级地理区域对应的第二区域语音识别子模型；

所述基于所述区域语音识别模型的输出结果确定所述多个对象对应的声纹特征与所述预先训练的多个语音识别模型的对应关系，包括：

基于与所述第一级地理区域对应的第二区域语音识别子模型的输出结果，确定所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系。

其中，所述区域语音识别模型可以包括第一区域语音识别子模型和多个第二区域语音识别子模型。第一区域语音识别子模型可以用于识别语音归属的第一级地理区域，每个第一级地理区域可以对应一个第二区域语音识别子模型，通过第二区域语音识别子模型可以识别出语音归属的第二级地理区域。所述多个语音识别模型可以分别与多个第二级地理区域一一对应。示例地，第一级地理区域可以为省，第二级地理区域可以为市。

该实施方式中，通过第一区域语音识别子模型确定语音归属的第一级地理区域，通过与所述第一级地理区域对应的第二区域语音识别子模型确定所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系，通过两级模型能够更为准确地确定所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系，且能够采用各个地区的方言更为针对性地对各个方言区的语音识别模型进行训练，训练得到的语音识别模型的识别效果较好。

可选的，所述分别采集多个对象的语音样本，包括：

分别采集多个对象的语音样本和用户身份信息；

所述分别提取所述多个对象中每个对象的语音样本的声纹特征和声学特征之后，所述方法还包括：

确定所述多个对象对应的声纹特征与所述用户身份信息的对应关系。

其中，所述用户身份信息可以包括姓名、工号或者身份证号等等。依据所述多个对象对应的声纹特征与所述用户身份信息的对应关系，可以获取与所述目标声纹特征对应的用户身份信息，从而可以快速地确定说话人的身份。

该实施方式中，通过确定所述多个对象对应的声纹特征与所述用户身份信息的对应关系，能够根据说话人的声纹特征识别出说话人的身份。

可选的，所述提取待识别语音的目标声纹特征之后，所述方法还包括：

获取与所述目标声纹特征对应的用户身份信息；

所述基于所述目标语音识别模型对所述待识别语音进行语音识别之后，所述方法还包括：

存储所述目标声纹特征对应的用户身份信息与所述语音识别结果的对应关系。

该实施方式中，通过存储所述目标声纹特征对应的用户身份信息与所述语音识别结果的对应关系，从而在会议过程中能够自动生成会议记录文本，智能化程度较高。

参见图2，图2是本公开实施例提供的一种语音识别装置的结构示意图之一，如图2所示，所述语音识别装置200包括：

第一提取模块201，用于提取待识别语音的目标声纹特征；

第一获取模块202，用于从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型，所述多个语音识别模型分别与多个地理区域对应；

第一识别模块203，用于基于所述目标语音识别模型对所述待识别语音进行语音识别，得到语音识别结果。

可选的，所述第一获取模块202具体用于：

在预先存储的多个声纹特征中存在与所述目标声纹特征匹配的声纹特征的情况下，从预先训练的多个语音识别模型中获取与所述目标声纹特征对应的目标语音识别模型，所述多个声纹特征与所述多个语音识别模型对应；

如图3所示，所述装置200还包括：

第二识别模块204，用于在所述预先存储的多个声纹特征中不存在与所述目标声纹特征匹配的声纹特征的情况下，采用预设语音识别模型对所述待识别语音进行语音识别，得到所述语音识别结果。

可选的，如图4所示，所述装置200还包括：

第二获取模块205，用于获取所述多个地理区域各自对应的语音样本；

训练模块206，用于分别将所述多个地理区域中每个地理区域对应的语音样本输入所述每个地理区域对应的语音识别模型，对所述每个地理区域对应的语音识别模型进行训练；

其中，所述多个语音识别模型为所述多个地理区域各自对应的语音识别模型。

可选的，如图5所示，所述装置200还包括：

采集模块207，用于分别采集多个对象的语音样本；

第二提取模块208，用于分别提取所述多个对象中每个对象的语音样本的声纹特征和声学特征；

输入模块209，用于将所述每个对象对应的声学特征分别输入预先训练的区域语音识别模型，所述区域语音识别模型用于识别语音归属的地理区域；

第一确定模块210，用于基于所述区域语音识别模型的输出结果确定所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系。

可选的，所述区域语音识别模型包括第一区域语音识别子模型和第二区域语音识别子模型；

所述输入模块209具体用于：

将所述每个对象对应的声学特征分别输入所述第一区域语音识别子模型，确定语音归属的第一级地理区域；

将所述每个对象对应的声学特征分别输入与所述第一级地理区域对应的第二区域语音识别子模型；

所述第一确定模块210具体用于：

基于与所述第一级地理区域对应的第二区域语音识别子模型的输出结果，确定所述多个对象对应的声纹特征与所述多个语音识别模型的对应关系。

可选的，所述采集模块207具体用于：

分别采集多个对象的语音样本和用户身份信息；

如图6所示，所述装置200还包括：

第二确定模块211，用于确定所述多个对象对应的声纹特征与所述用户身份信息的对应关系。

可选的，如图7所示，所述装置200还包括：

第三获取模块212，用于获取与所述目标声纹特征对应的用户身份信息；

存储模块213，用于存储所述目标声纹特征对应的用户身份信息与所述语音识别结果的对应关系。

语音识别装置能够实现图1的方法实施例中实现的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

如图8所示，本发明实施例还提供了一种电子设备300，包括：存储器302、处理器301及存储在所述存储器302上并可在所述处理器301上运行的程序，所述程序被所述处理器301执行时实现上述语音识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本公开实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述语音识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本公开各个实施例所述的方法。

上面结合附图对本公开的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。