本發(fā)明涉及計算機(jī)副語言領(lǐng)域，特別涉及一種應(yīng)答語音的識別方法及裝置。
背景技術(shù)：
：近年來，計算機(jī)副語言學(xué)成為語音語言處理領(lǐng)域的研究熱點，語音識別技術(shù)的發(fā)展對推動智能化、人性化的新型人機(jī)交互技術(shù)的發(fā)展和應(yīng)用具有重要的作用。語音識別就是利用計算機(jī)自動將語音轉(zhuǎn)化成文本的技術(shù)，語音一直是人類生活中交互的重要媒介，因此讓機(jī)器實現(xiàn)對語音的識別是至關(guān)重要的一步。目前在很多場合會使用語音記錄儀記錄語音，并且需要對語音記錄儀中記錄的語音進(jìn)行分析。例如，在飛行場景中，使用艙音記錄儀記錄飛機(jī)上的語音，在飛行結(jié)束后通過識別艙音記錄儀中的語音對飛行質(zhì)量進(jìn)行評價。目前，在對語音記錄儀中記錄的語音信息進(jìn)行識別時，采用的是機(jī)器自動識別的方法，具體的，利用端點識別技術(shù)將語音記錄儀中記錄的語音劃分為一句句待識別應(yīng)答語音，并將待識別應(yīng)答語音輸入到語音識別系統(tǒng)中，通過該語音識別系統(tǒng)識別待識別應(yīng)答語音。由于待識別應(yīng)答語音根據(jù)不同的說話對象以及環(huán)境分為正式應(yīng)答語音和非正式應(yīng)答語音，正式應(yīng)答語音和非正式應(yīng)答語音對應(yīng)的語音環(huán)境不同，并且說話人語氣、語調(diào)均不相同；而現(xiàn)有技術(shù)直接將獲取到的應(yīng)答語音輸入語音識別系統(tǒng)進(jìn)行識別的方法往往不能準(zhǔn)確的識別應(yīng)答語音。綜上所述，目前的應(yīng)答語音識別方法在識別應(yīng)答語音時不夠準(zhǔn)確。技術(shù)實現(xiàn)要素：本發(fā)明提供一種應(yīng)答語音的識別方法及裝置，用以解決目前的應(yīng)答語音識別方法在識別應(yīng)答語音時不夠準(zhǔn)確的問題?；谏鲜鰡栴}，本發(fā)明實施例提供一種應(yīng)答語音的識別方法，包括：獲取待識別應(yīng)答語音；使用應(yīng)答方式識別模型確定所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式；其中，所述應(yīng)答方式識別模型為有監(jiān)督的機(jī)器學(xué)習(xí)模型；若所述應(yīng)答方式為正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第一語音識別系統(tǒng)，以使所述第一語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；若所述應(yīng)答方式為非正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第二語音識別系統(tǒng)，以使所述第二語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；其中，所述第一語音識別系統(tǒng)和所述第二語音識別系統(tǒng)配置有不同的參數(shù)。由于本發(fā)明實施例在識別應(yīng)答語音時，獲取待識別的應(yīng)答語音后，使用應(yīng)答方式識別模型確定待識別應(yīng)答語音對應(yīng)的應(yīng)答方式，針對正式應(yīng)答方式和非正式應(yīng)答方式輸入不同的語音識別系統(tǒng)進(jìn)行識別。由于第一語音識別系統(tǒng)用于識別正式應(yīng)答語音，第二語音識別系統(tǒng)用于識別非正式應(yīng)答語音，并且第一語音識別系統(tǒng)和第二語音識別系統(tǒng)配置有不同的參數(shù)，針對不同的應(yīng)答方式使用不同的語音識別系統(tǒng)進(jìn)行識別，從而使得對待識別應(yīng)答語音的識別更加準(zhǔn)確?？蛇x的，所述使用應(yīng)答方式識別模型確定所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式，具體包括：將從所述待識別應(yīng)答語音提取出的語音特征輸入所述應(yīng)答方式識別模型；獲取所述應(yīng)答方式識別模型輸出的所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式。由于本發(fā)明實施例將待識別的應(yīng)答語音進(jìn)行特征提取后，將提取到的語音特征輸入應(yīng)答方式識別模型，通過應(yīng)答方式識別模型確定待識別應(yīng)答語音對應(yīng)的應(yīng)答方式。可選的，所述語音特征包括幀級特征、片級特征和段級特征；根據(jù)下列方式從應(yīng)答語音提取出語音特征：使用特征提取工具，根據(jù)預(yù)設(shè)的幀長和幀移，提取所述待識別應(yīng)答語音的幀級特征；將所述幀級特征做平滑濾波處理，并對平滑處理后的幀級特征做差分運算，確定所述待識別應(yīng)答語音的片級特征；根據(jù)預(yù)設(shè)的統(tǒng)計參數(shù)，對所述片級特征進(jìn)行分析處理，確定所述待識別應(yīng)答語音的段級特征。由于本發(fā)明實施例從待識別應(yīng)答語音中提取出幀級、片級、段級語音特征，從而保證應(yīng)答方式識別模型準(zhǔn)確的識別該待識別應(yīng)答語音對應(yīng)的應(yīng)答方式?？蛇x的，根據(jù)下列方式獲得所述應(yīng)答方式識別模型：確定包含多個應(yīng)答語音的訓(xùn)練集，以及包含多個應(yīng)答語音的測試集；其中，所述訓(xùn)練集中的應(yīng)答語音與所述測試集中的應(yīng)答語音不同；針對所述訓(xùn)練集中任意一個應(yīng)答語音，將從所述應(yīng)答語音中提取出的語音特征輸入到訓(xùn)練前的應(yīng)答方式識別模型中進(jìn)行訓(xùn)練；針對所述測試集中任意一個應(yīng)答語音，將從所述應(yīng)答語音中提取出的語音特征輸入到訓(xùn)練后的應(yīng)答方式識別模型中，并獲取所述應(yīng)答方式識別模型輸出的所述應(yīng)答語音對應(yīng)的應(yīng)答方式；根據(jù)訓(xùn)練后的應(yīng)答方式識別模型輸出的所述測試集中每一個應(yīng)答語音對應(yīng)的應(yīng)答方式，確定所述訓(xùn)練后的應(yīng)答方式識別模型的正確識別率，若所述正確識別率大于設(shè)定閾值，確定所述訓(xùn)練后的應(yīng)答方式識別模型訓(xùn)練完成，保存所述訓(xùn)練后的應(yīng)答方式識別模型。由于本發(fā)明實施例使用訓(xùn)練集中的多個應(yīng)答語音對應(yīng)答方式識別模型進(jìn)行訓(xùn)練，在訓(xùn)練后使用測試集中的應(yīng)答語音判斷訓(xùn)練后的應(yīng)答方式識別模型是否滿足要求，在應(yīng)答方式識別模型識別該測試集中的應(yīng)答語音的正確識別率大于設(shè)定閾值時，確定該應(yīng)答方式識別模型訓(xùn)練完成，保存該訓(xùn)練后的應(yīng)答方式識別模型；若正確識別率小于設(shè)定閾值，則使用訓(xùn)練集中的應(yīng)答語音再次進(jìn)行訓(xùn)練，直到應(yīng)答方式識別模型的正確識別率大于設(shè)定閾值，從而保證獲得的應(yīng)答方式識別模型更加準(zhǔn)確的識別待識別應(yīng)答語音對應(yīng)的應(yīng)答方式?？蛇x的，所述應(yīng)答方式識別模型為支持向量機(jī)SVM模型。另一方面，本發(fā)明實施例還提供一種應(yīng)答語音的識別裝置，包括：獲取模塊，用于獲取待識別應(yīng)答語音；識別模塊，用于使用應(yīng)答方式識別模型確定所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式；其中，所述應(yīng)答方式識別模型為有監(jiān)督的機(jī)器學(xué)習(xí)模型；判斷模塊，用于若所述應(yīng)答方式為正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第一語音識別系統(tǒng)，以使所述第一語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；若所述應(yīng)答方式為非正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第二語音識別系統(tǒng)，以使所述第二語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；其中，所述第一語音識別系統(tǒng)和所述第二語音識別系統(tǒng)配置有不同的參數(shù)。可選的，所述識別模塊，具體用于：將從所述待識別應(yīng)答語音提取出的語音特征輸入所述應(yīng)答方式識別模型；獲取所述應(yīng)答方式識別模型輸出的所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式?？蛇x的，所述語音特征包括幀級特征、片級特征和段級特征；所述識別模塊，具體用于：根據(jù)下列方式從應(yīng)答語音提取出語音特征：使用特征提取工具，根據(jù)預(yù)設(shè)的幀長和幀移，提取所述待識別應(yīng)答語音的幀級特征；將所述幀級特征做平滑濾波處理，并對平滑處理后的幀級特征做差分運算，確定所述待識別應(yīng)答語音的片級特征；根據(jù)預(yù)設(shè)的統(tǒng)計參數(shù)，對所述片級特征進(jìn)行分析處理，確定所述待識別應(yīng)答語音的段級特征?？蛇x的，所述獲取模塊，還用于：根據(jù)下列方式獲得所述應(yīng)答方式識別模型：確定包含多個應(yīng)答語音的訓(xùn)練集，以及包含多個應(yīng)答語音的測試集；其中，所述訓(xùn)練集中的應(yīng)答語音與所述測試集中的應(yīng)答語音不同；針對所述訓(xùn)練集中任意一個應(yīng)答語音，將從所述應(yīng)答語音中提取出的語音特征輸入到訓(xùn)練前的應(yīng)答方式識別模型中進(jìn)行訓(xùn)練；針對所述測試集中任意一個應(yīng)答語音，將從所述應(yīng)答語音中提取出的語音特征輸入到訓(xùn)練后的應(yīng)答方式識別模型中，并獲取所述應(yīng)答方式識別模型輸出的所述應(yīng)答語音對應(yīng)的應(yīng)答方式；根據(jù)訓(xùn)練后的應(yīng)答方式識別模型輸出的所述測試集中每一個應(yīng)答語音對應(yīng)的應(yīng)答方式，確定所述訓(xùn)練后的應(yīng)答方式識別模型的識別正確率，若所述識別正確率大于設(shè)定閾值，確定所述訓(xùn)練后的應(yīng)答方式識別模型訓(xùn)練完成，保存所述訓(xùn)練后的應(yīng)答方式識別模型?？蛇x的，所述應(yīng)答方式識別模型為支持向量機(jī)SVM模型。附圖說明為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡要介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域的普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例應(yīng)答語音的識別方法的流程圖；圖2為本發(fā)明實施例提取語音特征的流程圖；圖3為本發(fā)明實施例獲取應(yīng)答方式識別模型的方法流程圖；圖4為本發(fā)明實施例獲取應(yīng)答方式識別模型的方法的整體流程圖；圖5A為本發(fā)明實施例SVM核函數(shù)對應(yīng)的識別結(jié)果準(zhǔn)確率示意圖；圖5B為本發(fā)明實施例SVM核函數(shù)性能比較圖；圖6為本發(fā)明實施例應(yīng)答語音的識別裝置的結(jié)構(gòu)示意圖。具體實施方式本發(fā)明實施例獲取待識別應(yīng)答語音；使用應(yīng)答方式識別模型確定所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式；其中，所述應(yīng)答方式識別模型為有監(jiān)督的機(jī)器學(xué)習(xí)模型；若所述應(yīng)答方式為正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第一語音識別系統(tǒng)，以使所述第一語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；若所述應(yīng)答方式為非正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第二語音識別系統(tǒng)，以使所述第二語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；其中，所述第一語音識別系統(tǒng)和所述第二語音識別系統(tǒng)配置有不同的參數(shù)。由于本發(fā)明實施例在識別應(yīng)答語音時，獲取待識別的應(yīng)答語音后，使用應(yīng)答方式識別模型確定待識別應(yīng)答語音對應(yīng)的應(yīng)答方式，針對正式應(yīng)答方式和非正式應(yīng)答方式輸入不同的語音識別系統(tǒng)進(jìn)行識別。由于第一語音識別系統(tǒng)用于識別正式應(yīng)答語音，第二語音識別系統(tǒng)用于識別非正式應(yīng)答語音，并且第一語音識別系統(tǒng)和第二語音識別系統(tǒng)配置有不同的參數(shù)，本發(fā)明實施例首先識別應(yīng)答語音為正式應(yīng)答方式或非正式應(yīng)答方式，針對不同的應(yīng)答方式使用不同的語音識別系統(tǒng)進(jìn)行識別，從而提升整體的語音識別性能，對待識別應(yīng)答語音的識別更加準(zhǔn)確。需要說明的是，本發(fā)明實施例的識別應(yīng)答語音的應(yīng)答方式的方法，不僅可以用于提升語音識別系統(tǒng)的效果，還可以應(yīng)用于其它的高層系統(tǒng)，比如說話人識別系統(tǒng)，異常音監(jiān)測系統(tǒng)等。為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明作進(jìn)一步地詳細(xì)描述，顯然，所描述的實施例僅僅是本發(fā)明一部份實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護(hù)的范圍。如圖1所示，本發(fā)明實施例應(yīng)答語音的識別方法包括：步驟101、獲取待識別應(yīng)答語音；步驟102、使用應(yīng)答方式識別模型確定所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式；其中，所述應(yīng)答方式識別模型為有監(jiān)督的機(jī)器學(xué)習(xí)模型；步驟103、若所述應(yīng)答方式為正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第一語音識別系統(tǒng)，以使所述第一語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；若所述應(yīng)答方式為非正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第二語音識別系統(tǒng)，以使所述第二語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；其中，所述第一語音識別系統(tǒng)和所述第二語音識別系統(tǒng)配置有不同的參數(shù)。本發(fā)明實施例待識別應(yīng)答語音對應(yīng)的應(yīng)答方式包括正式應(yīng)答方式和非正式應(yīng)答方式；本發(fā)明實施例可以應(yīng)用于飛行場景中，對飛行場景中的應(yīng)答語音的應(yīng)答方式進(jìn)行識別，識別飛行中的應(yīng)答語音的應(yīng)答方式為正式應(yīng)答方式或非正式應(yīng)答方式。其中，正式應(yīng)答方式的識別語音為駕駛員與地面控制中心之間的指示性對話；例如，駕駛員向地面控制中心發(fā)出請示，地面控制中心針對駕駛員的請示進(jìn)行應(yīng)答，駕駛員向地面控制中心回復(fù)確認(rèn)等。非正式應(yīng)答方式的識別語音為正副駕駛員之間的對話，或駕駛員與地面塔臺之間的對話；例如，正副駕駛員之間聊天的語音，正副駕駛員之間關(guān)于飛行過程中的指導(dǎo)性語音，駕駛員向地面塔臺中心匯報飛機(jī)狀態(tài)等。需要說明的是，本發(fā)明實施例并不限于飛行場景中，在任意語言場境中均可利用本發(fā)明實施例的應(yīng)答方式識別方法，并且，在不同的語言場景中，對正式應(yīng)答方式和非正式應(yīng)答方式的定義也不盡相同。例如，A、B為足球比賽解說員，在確定A和B之間的對話信息的應(yīng)答方式時，將A和B之間關(guān)于該場足球比賽的對話定義為正式應(yīng)答方式的對話，將A和B之間與該場足球比賽無關(guān)的對話定義為非正式應(yīng)答方式的對話。本發(fā)明實施例在使用應(yīng)答方式識別模型確定所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式時，具體采用下面方法：可選的，將從所述待識別應(yīng)答語音提取出的語音特征輸入所述應(yīng)答方式識別模型；獲取所述應(yīng)答方式識別模型輸出的所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式。其中，本發(fā)明實施例的應(yīng)答方式識別模型為有監(jiān)督的機(jī)器學(xué)習(xí)模型，具體的，本發(fā)明實施例的應(yīng)答方式識別模型為SVM(支持向量機(jī))模型。本發(fā)明實施例在獲取到待識別應(yīng)答語音后，使用特征提取工具，提取所述待識別應(yīng)答語音中的語音特征。實施中，本發(fā)明實施例在提取待識別應(yīng)答語音中的語音特征時，采用分層提取的方式提取待識別應(yīng)答語音中的語音特征。本發(fā)明實施例的語音特征包括幀級(framelevel)特征、片級特征(segmentlevel)和段級(partlevel)特征。具體的，本發(fā)明實施例使用openSMILE特征提取工具，對待識別應(yīng)答語音進(jìn)行分層提取，提取出待識別應(yīng)答語音中的語音特征?？蛇x的，使用特征提取工具，根據(jù)預(yù)設(shè)的幀長和幀移，提取所述待識別應(yīng)答語音的幀級特征；將所述幀級特征做平滑濾波處理，并對平滑處理后的幀級特征做差分運算，確定所述待識別應(yīng)答語音的片級特征；根據(jù)預(yù)設(shè)的統(tǒng)計參數(shù)，對所述片級特征進(jìn)行分析處理，確定所述待識別應(yīng)答語音的段級特征。。下面詳細(xì)介紹本發(fā)明實施例從待識別應(yīng)答語音中提取語音特征的方法。第一步，提取待識別應(yīng)答語音中的幀級特征。其中，幀級特征為待識別應(yīng)答語音中的第一層語音特征。實施中，使用openSMILE特征提取工具，幀長20ms，幀移10ms，共包含16維特征，具體的幀級特征參數(shù)如表1所示，具體包括：RMSenergy(RootMeanSquareenergy，能量均方根)、mfcc(Mel-FrequencyCepstralCoefficient，梅爾頻率倒譜系數(shù))1-12維、zcr(zero-crossingrate，過零率)、Voice_prob(濁音占比)、F0(根據(jù)倒譜計算出的基頻)。表1幀級特征的英文簡寫幀級特征的中文解釋RMSenergy能量均方根mfcc(1-12)梅爾頻率倒譜系數(shù)1-12維zcr過零率(幀級)Voice_prob通過自相關(guān)計算濁音占比F0根據(jù)倒譜計算出的基頻第二步，提取待識別應(yīng)答語音中的片級特征。其中，片級特征為待識別應(yīng)答語音中的第二層語音特征。具體的，將所述幀級特征做平滑濾波處理，并對平滑處理后的幀級特征做差分運算，確定所述所述待識別應(yīng)答語音中的片級特征。實施中，對第一步中得到的幀序列進(jìn)行窗口長度為3幀的平滑濾波sma(smoothedbyamovingaveragefilter)；在對幀序列進(jìn)行平滑濾波后，對平滑后的特征做一階差分de(deltacoefficient)。其中，待具體的片級特征分析函數(shù)如表2所示，具體包括：sma(平滑濾波)和de(一階差分)。表2片級特征分析函數(shù)的英文簡寫片級特征分析函數(shù)的中文解釋sma平滑濾波de一階差分在經(jīng)過第一步和第二步之后，共得到16*2＝32維語音特征。第三步，提取待識別應(yīng)答語音中的段級特征。其中，段級特征為待識別應(yīng)答語音中的第三層語音特征。具體的，根據(jù)預(yù)設(shè)的統(tǒng)計參數(shù)，對所述片級特征進(jìn)行分析處理，確定所述待識別應(yīng)答語音中的段級特征。實施中，對第二步輸出的特征做統(tǒng)計分析，主要包括12個統(tǒng)計參數(shù)，根據(jù)12個統(tǒng)計參數(shù)對第二步輸出的特征片級特征進(jìn)行分析處理，得到待識別應(yīng)答語音中的段級特征。具體的預(yù)設(shè)的12個統(tǒng)計參數(shù)如表3所示，包括：max(maximum，包絡(luò)取最大值)、min(minute，包絡(luò)取最小值)、range(包絡(luò)變化范圍)、maxpos(maximumposition，最大值位置)、minpos(minuteposition，包絡(luò)最小值絕對位置)、amean(Arithmeticmean，包絡(luò)算數(shù)均值)、linregc1(包絡(luò)的線性近似斜率)、linregc2(包絡(luò)的線性近似偏移)、linregerrQ(包絡(luò)的線性預(yù)測值與實際值的均方根)、stddev(標(biāo)準(zhǔn)差)、skewness(三階偏斜度)、kurtosis(四階峭度)。表3段級特征統(tǒng)計參數(shù)的英文簡寫段級特征統(tǒng)計參數(shù)的中文解釋max包絡(luò)取最大值min包絡(luò)取最小值range包絡(luò)變化范圍maxpos最大值位置minpos包絡(luò)最小值絕對位置amean包絡(luò)算數(shù)均值linregc1包絡(luò)的線性近似斜率linregc2包絡(luò)的線性近似偏移linregerrQ包絡(luò)的線性預(yù)測值與實際值的均方根stddev標(biāo)準(zhǔn)差skewness三階偏斜度kurtosis四階峭度如圖2所示，本發(fā)明實施例在第三步中提取待識別應(yīng)答語音中的段級特征時，是針對第二步中得到的片級特征進(jìn)行統(tǒng)計分析，并且包括預(yù)設(shè)的12個統(tǒng)計參數(shù)，則經(jīng)過第三步段級特征提取后，共得到16*2*12＝384維語音特征。本發(fā)明實施例通過特征提取工具提取出待識別應(yīng)答語音中的語音特征之后，將提取出的語音特征輸入到應(yīng)答方式識別模型中，以使所述應(yīng)答方式識別模型根據(jù)所述語音特征識別所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式；并獲取該應(yīng)答方式識別模型根據(jù)輸入的語音特征，輸出的該待識別應(yīng)答語音對應(yīng)的應(yīng)答方式。需要說明的是，本發(fā)明實施例的應(yīng)答方式識別模型為經(jīng)過預(yù)先訓(xùn)練的、用于識別應(yīng)答方式的模型。由于本發(fā)明實施例對待識別應(yīng)答語音對應(yīng)的應(yīng)答方式的識別，主要借助于應(yīng)答方式識別模型，并且該應(yīng)答方式識別模型為經(jīng)過預(yù)先訓(xùn)練的模型，因此，本發(fā)明實施例還包括一個重要的組成部分，即訓(xùn)練應(yīng)答方式識別模型。下面詳細(xì)說明本發(fā)明實施例訓(xùn)練應(yīng)答方式識別模型的過程。如圖3所示，本發(fā)明實施例獲得應(yīng)答方式識別模型的方法包括：步驟301、確定包含多個應(yīng)答語音的訓(xùn)練集，以及包含多個應(yīng)答語音的測試集；其中，所述訓(xùn)練集中的應(yīng)答語音與所述測試集中的應(yīng)答語音不同；步驟302、針對所述訓(xùn)練集中任意一個應(yīng)答語音，將從所述應(yīng)答語音中提取出的語音特征輸入到訓(xùn)練前的應(yīng)答方式識別模型中進(jìn)行訓(xùn)練；步驟303、針對所述測試集中任意一個應(yīng)答語音，將從所述應(yīng)答語音中提取出的語音特征輸入到訓(xùn)練后的應(yīng)答方式識別模型中，并獲取所述應(yīng)答方式識別模型輸出的所述應(yīng)答語音對應(yīng)的應(yīng)答方式；步驟304、根據(jù)訓(xùn)練后的應(yīng)答方式識別模型輸出的所述測試集中每一個應(yīng)答語音對應(yīng)的應(yīng)答方式，確定所述訓(xùn)練后的應(yīng)答方式識別模型的識別正確率，若所述識別正確率大于設(shè)定閾值，確定所述訓(xùn)練后的應(yīng)答方式識別模型訓(xùn)練完成，保存所述訓(xùn)練后的應(yīng)答方式識別模型。步驟301中，本發(fā)明實施例在確定訓(xùn)練集和測試集時，從語料庫中選取多個應(yīng)答語音，將選取出的多個應(yīng)答語音組成訓(xùn)練集或測試集。本發(fā)明實施例的語料庫為預(yù)先錄制的語音，該預(yù)先錄制的語音中包括多個正式應(yīng)答方式和非正式應(yīng)答方式的應(yīng)答語音。例如，語料庫可以為在執(zhí)行實際飛行過程中錄制的17.5小時的語音，在錄制好之后，對該17.5小時的語音進(jìn)行標(biāo)注，假設(shè)標(biāo)注確定該17.5小時的語音中共包括18個說話人，其中包含了4668個正式應(yīng)答方式的應(yīng)答語音，以及2257個非正式應(yīng)答方式的應(yīng)答語音，則正式應(yīng)答方式的應(yīng)答語音與非正式應(yīng)答方式的應(yīng)答語音的比例為2.07:1，并且所有應(yīng)答語音的語音采樣頻率都為16KHz，量化精度為16bit。從語料庫中的所有應(yīng)答語音中選取出多個應(yīng)答語音，組成訓(xùn)練集；較佳的，訓(xùn)練集中正式應(yīng)答方式的應(yīng)答語音與非正式應(yīng)答方式的應(yīng)答語音的比例，接近語料庫中正式應(yīng)答方式的應(yīng)答語音與非正式應(yīng)答方式的應(yīng)答語音的比例。例如，確定兩個訓(xùn)練集，分別為訓(xùn)練集A和訓(xùn)練集B，以及確定一個測試集C，其中，訓(xùn)練集A、B和測試集C中正式應(yīng)答方式的應(yīng)答語音與非正式應(yīng)答方式的應(yīng)答語音的數(shù)量及比例如表4所示：從語料庫中選取1580個正式應(yīng)答方式的應(yīng)答語音，以及1580個非正式應(yīng)答方式的應(yīng)答語音組成訓(xùn)練集A，訓(xùn)練集A中正式應(yīng)答方式的應(yīng)答語音與非正式應(yīng)答方式的應(yīng)答語音的比例為1:1；從語料庫中選取3270個正式應(yīng)答方式的應(yīng)答語音，以及1580個非正式應(yīng)答方式的應(yīng)答語音組成訓(xùn)練集B，訓(xùn)練集B中正式應(yīng)答方式的應(yīng)答語音與非正式應(yīng)答方式的應(yīng)答語音的比例為2.07:1；從語料庫中選取1400個正式應(yīng)答方式的應(yīng)答語音，以及677個非正式應(yīng)答方式的應(yīng)答語音組成測試集C，測試集C中正式應(yīng)答方式的應(yīng)答語音與非正式應(yīng)答方式的應(yīng)答語音的比例為2.07:1。表4下面以表4所示的訓(xùn)練集A、B和測試集C為例，說明訓(xùn)練應(yīng)答方式識別模型的方法。具體的，本發(fā)明實施例是通過訓(xùn)練集A和訓(xùn)練集B中每一個應(yīng)答語音，對應(yīng)答方式識別模型進(jìn)行訓(xùn)練，在訓(xùn)練完成后，將測試集C中的每一個應(yīng)答語音輸入訓(xùn)練后的應(yīng)答方式識別模型，若應(yīng)答方式識別模型輸出的測試集C中應(yīng)答語音對應(yīng)的應(yīng)答方式的正確識別率大于設(shè)定閾值時，確定該應(yīng)答方式識別模型訓(xùn)練完成，并保存訓(xùn)練完成的應(yīng)答方式識別模型。下面針對訓(xùn)練集A中任意一個應(yīng)答語音，說明訓(xùn)練應(yīng)答方式識別模型的過程：1、使用特征提取工具，提取該應(yīng)答語音的語音特征。具體提取應(yīng)答語音的語音特征的方法采用上述方法，在此不再詳細(xì)贅述。2、將該應(yīng)答語音對應(yīng)的語音特征輸入應(yīng)答方式識別模型中進(jìn)行訓(xùn)練。具體的，在將應(yīng)答語音對應(yīng)的應(yīng)答語音輸入應(yīng)答方式識別模型，并將所述應(yīng)答語音對應(yīng)的應(yīng)答方式輸入應(yīng)答方式識別模型，以使應(yīng)答方式識別模型學(xué)習(xí)到該語音特征對應(yīng)的應(yīng)答方式。本發(fā)明實施例采用上述的方式，使用訓(xùn)練集中的應(yīng)答語音對應(yīng)答方式識別模型進(jìn)行訓(xùn)練，在經(jīng)過訓(xùn)練集A和訓(xùn)練級B中的多個應(yīng)答語音進(jìn)行多次訓(xùn)練后，使用測試集C中的應(yīng)答語音，判斷該應(yīng)答方式識別模型是否訓(xùn)練完成。具體的，在采用測試集C判斷應(yīng)答方式識別模型是否訓(xùn)練完成時，針對測試集C中的任意一個應(yīng)答語音，執(zhí)行下列操作：1、使用特征提取工具，提取該應(yīng)答語音的語音特征；具體提取應(yīng)答語音的語音特征的方法采用上述方法，在此不再詳細(xì)贅述。2、將該應(yīng)答語音對應(yīng)的語音特征輸入訓(xùn)練后的應(yīng)答方式識別模型；3、獲取訓(xùn)練后的應(yīng)答方式識別模型輸出的該應(yīng)答語音對應(yīng)的應(yīng)答方式。具體的，預(yù)先設(shè)定應(yīng)答方式識別模型在確定應(yīng)答語音對應(yīng)的應(yīng)答方式為正式應(yīng)答方式時，應(yīng)答方式識別模型輸出“1”；在確定應(yīng)答語音對應(yīng)的應(yīng)答方式為非式應(yīng)答方式時，應(yīng)答方式識別模型輸出“0”。本發(fā)明實施例在使用訓(xùn)練后的應(yīng)答方式識別模型對測試集C中的每一個應(yīng)答語音進(jìn)行判斷后，確定測試集C中每一個應(yīng)答語音對應(yīng)的識別結(jié)果；將應(yīng)答方式識別模型確定的測試集C中每一個應(yīng)答語音對應(yīng)的識別結(jié)果，與每一個應(yīng)答語音對應(yīng)的應(yīng)答方式進(jìn)行比較，確定測試集C對應(yīng)的識別結(jié)果的正確識別率，若該正確識別率大于設(shè)定閾值，則確定該應(yīng)答方式識別模型訓(xùn)練完成，保存訓(xùn)練后的應(yīng)答方式識別模型；若該正確識別率不大于設(shè)定閾值，則重新選擇訓(xùn)練集和測試集，對該應(yīng)答方式識別模型繼續(xù)訓(xùn)練，直到該應(yīng)答方式識別模型對測試集中應(yīng)答語音的識別結(jié)果對應(yīng)的正確識別率大于設(shè)定閾值。如圖4所示，本發(fā)明實施例獲得應(yīng)答方式識別模型的方法的整體流程圖。步驟401、確定包含多個應(yīng)答語音的訓(xùn)練集，以及包含多個應(yīng)答語音的測試集；其中，所述訓(xùn)練集中的應(yīng)答語音與所述測試集中的應(yīng)答語音不同；下列步驟402、403為針對訓(xùn)練集中的任意一個應(yīng)答語音。步驟402、使用特征提取工具，提取所述應(yīng)答語音中的語音特征；步驟403、將提取出的語音特征，以及所述應(yīng)答語音對應(yīng)的應(yīng)答方式輸入到應(yīng)答方式識別模型中進(jìn)行訓(xùn)練；下列步驟404、405為針對訓(xùn)練集中的任意一個應(yīng)答語音。步驟404、使用特征提取工具，提取所述應(yīng)答語音中的語音特征；步驟405、將提取出的語音特征輸入到應(yīng)答方式識別模型中進(jìn)行識別；步驟406、確定所述測試集中每一個應(yīng)答語音的識別結(jié)果；步驟407、將所述測試集中每一個應(yīng)答語音的識別結(jié)果，與測試集中每一個應(yīng)答語音對應(yīng)的應(yīng)答方式進(jìn)行比較，確定所述測試集對應(yīng)的識別結(jié)果的正確識別率；步驟408、判斷正確識別率是否大于設(shè)定閾值，若是，執(zhí)行步驟409，若否，返回步驟401；步驟409、確定所述應(yīng)答方式識別模型訓(xùn)練完成后，保存訓(xùn)練后的應(yīng)答方式識別模型。本發(fā)明實施例在識別應(yīng)答方式的二分類問題中，采用了適用于小數(shù)據(jù)量的支持向量機(jī)SVM分類器作為應(yīng)答方式識別模型，并且對比了如下核函數(shù)：線性核函數(shù)、多項式核函數(shù)、高斯徑向基核函數(shù)以及反正切核函數(shù)。本發(fā)明實施例基于如表4所示的訓(xùn)練集，分別采用線性核函數(shù)、多項式核函數(shù)、高斯徑向基核函數(shù)以及反正切核函數(shù)進(jìn)行實驗，得到的識別結(jié)果的準(zhǔn)確率如圖5A所示，其中，SVM核函數(shù)為線性核函數(shù)時，訓(xùn)練集A對應(yīng)的識別結(jié)果的準(zhǔn)確率為80.30，訓(xùn)練集B對應(yīng)的識別結(jié)果的準(zhǔn)確率為81.02；SVM核函數(shù)為多項式核函數(shù)，并且d＝2時，訓(xùn)練集A對應(yīng)的識別結(jié)果的準(zhǔn)確率為77.95，訓(xùn)練集B對應(yīng)的識別結(jié)果的準(zhǔn)確率為79.25；SVM核函數(shù)為多項式核函數(shù)，并且d＝3時，訓(xùn)練集A對應(yīng)的識別結(jié)果的準(zhǔn)確率為76.17，訓(xùn)練集B對應(yīng)的識別結(jié)果的準(zhǔn)確率為81.13；SVM核函數(shù)為多項式核函數(shù)，并且d＝4時，訓(xùn)練集A對應(yīng)的識別結(jié)果的準(zhǔn)確率為63.79，訓(xùn)練集B對應(yīng)的識別結(jié)果的準(zhǔn)確率為63.94；SVM核函數(shù)為高斯徑向基核函數(shù)時，訓(xùn)練集A對應(yīng)的識別結(jié)果的準(zhǔn)確率為90.71，訓(xùn)練集B對應(yīng)的識別結(jié)果的準(zhǔn)確率為91.62；SVM核函數(shù)為反正切核函數(shù)時，訓(xùn)練集A對應(yīng)的識別結(jié)果的準(zhǔn)確率為84.45，訓(xùn)練集B對應(yīng)的識別結(jié)果的準(zhǔn)確率為89.56；并且，SVM模型分別采用線性核函數(shù)、多項式核函數(shù)、高斯徑向基核函數(shù)以及反正切核函數(shù)的性能比較如圖5B所示。基于同一發(fā)明構(gòu)思，本發(fā)明實施例中還提供了一種應(yīng)答方式的識別裝置，由于該裝置解決問題的原理與本發(fā)明實施例應(yīng)答方式的識別的方法相似，因此該裝置的實施可以參見方法的實施，重復(fù)之處不再贅述。如圖6所示，本發(fā)明實施例應(yīng)答語音的識別裝置，包括：獲取模塊601，獲取模塊，用于獲取待識別應(yīng)答語音；識別模塊602，用于使用應(yīng)答方式識別模型確定所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式；其中，所述應(yīng)答方式識別模型為有監(jiān)督的機(jī)器學(xué)習(xí)模型；判斷模塊603，用于若所述應(yīng)答方式為正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第一語音識別系統(tǒng)，以使所述第一語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；若所述應(yīng)答方式為非正式應(yīng)答方式，則將所述待識別應(yīng)答語音輸入第二語音識別系統(tǒng)，以使所述第二語音識別系統(tǒng)識別所述待識別應(yīng)答語音，并輸出所述待識別應(yīng)答語音對應(yīng)的文本信息；其中，所述第一語音識別系統(tǒng)和所述第二語音識別系統(tǒng)配置有不同的參數(shù)。可選的，所述識別模塊602，具體用于：將從所述待識別應(yīng)答語音提取出的語音特征輸入所述應(yīng)答方式識別模型；獲取所述應(yīng)答方式識別模型輸出的所述待識別應(yīng)答語音對應(yīng)的應(yīng)答方式。可選的，所述語音特征包括幀級特征、片級特征和段級特征；所述識別模塊602，具體用于：根據(jù)下列方式從應(yīng)答語音提取出語音特征：使用特征提取工具，根據(jù)預(yù)設(shè)的幀長和幀移，提取所述待識別應(yīng)答語音的幀級特征；將所述幀級特征做平滑濾波處理，并對平滑處理后的幀級特征做差分運算，確定所述待識別應(yīng)答語音的片級特征；根據(jù)預(yù)設(shè)的統(tǒng)計參數(shù)，對所述片級特征進(jìn)行分析處理，確定所述待識別應(yīng)答語音的段級特征?？蛇x的，所述獲取模塊601，還用于：根據(jù)下列方式獲得所述應(yīng)答方式識別模型：確定包含多個應(yīng)答語音的訓(xùn)練集，以及包含多個應(yīng)答語音的測試集；其中，所述訓(xùn)練集中的應(yīng)答語音與所述測試集中的應(yīng)答語音不同；針對所述訓(xùn)練集中任意一個應(yīng)答語音，將從所述應(yīng)答語音中提取出的語音特征輸入到訓(xùn)練前的應(yīng)答方式識別模型中進(jìn)行訓(xùn)練；針對所述測試集中任意一個應(yīng)答語音，將從所述應(yīng)答語音中提取出的語音特征輸入到訓(xùn)練后的應(yīng)答方式識別模型中，并獲取所述應(yīng)答方式識別模型輸出的所述應(yīng)答語音對應(yīng)的應(yīng)答方式；根據(jù)訓(xùn)練后的應(yīng)答方式識別模型輸出的所述測試集中每一個應(yīng)答語音對應(yīng)的應(yīng)答方式，確定所述訓(xùn)練后的應(yīng)答方式識別模型的識別正確率，若所述識別正確率大于設(shè)定閾值，確定所述訓(xùn)練后的應(yīng)答方式識別模型訓(xùn)練完成，保存所述訓(xùn)練后的應(yīng)答方式識別模型。可選的，所述應(yīng)答方式識別模型為支持向量機(jī)SVM模型。本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設(shè)備(系統(tǒng))、和計算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機(jī)程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計算機(jī)程序指令到通用計算機(jī)、專用計算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器，使得通過該計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令可實現(xiàn)流程圖中的一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。這些計算機(jī)程序指令也可存儲在能引導(dǎo)計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機(jī)可讀存儲器中，使得存儲在該計算機(jī)可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。這些計算機(jī)程序指令也可裝載到計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機(jī)實現(xiàn)的處理，從而在計算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖的一個流程或多個流程和/或方框圖的一個方框或多個方框中指定的功能的步驟。盡管已描述了本發(fā)明的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明范圍的所有變更和修改。顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。當(dāng)前第1頁1 2 3