获取语音识别模型的方法、语音识别的方法及对应装置

技术领域

本公开涉及计算机应用技术领域，尤其涉及智能语音、深度学习等人工智能技术领域。

背景技术

自动语音识别是人机交互系统的重要组成部分，当前语音识别的主流解决方案都是基于深度学习的。基于深度学习的语音识别模型对计算资源的要求较高，计算量已经成为决定模型参数量、计算实时率的关键。尤其是离线端对于计算资源要求更为苛刻，压缩计算量成为亟待解决的问题。

发明内容

本公开提供了一种获取语音识别模型的方法、语音识别的方法及对应装置，以便于降低计算量。

根据本公开的第一方面，提供了一种获取语音识别模型的方法，包括：

获取训练数据，所述训练数据包括语音帧序列及其对应的文本标注，所述语音帧序列包括多于一个的语音帧；

对所述语音帧序列中的各帧进行拼帧处理，得到拼帧序列；

对所述拼帧序列进行降采样，得到跳帧序列；

利用所述拼帧序列以及对应的文本标注训练得到第一语音识别模型；

基于所述第一语音识别模型，利用所述跳帧序列以及对应的文本标注训练得到第二语音识别模型。

根据本公开的第二方面，提供了一种语音识别的方法，包括：

获取语音帧序列；

对所述语音帧序列中的各帧进行拼帧处理，得到拼帧序列；

对所述拼帧序列进行降采样，得到跳帧序列；

将所述跳帧序列输入第二语音识别模型，获取所述第二语音识别模型输出的文本识别结果；

其中所述第二语音识别模型通过如上所述的获取语音识别模型的方法预先训练得到。

根据本公开的第三方面，提供了一种获取语音识别模型的装置，包括：

第一获取单元，用于获取训练数据，所述训练数据包括语音帧序列及其对应的文本标注，所述语音帧序列包括多于一个的语音帧；

第一拼帧单元，用于对所述语音帧序列中的各帧进行拼帧处理，得到拼帧序列；

第一跳帧单元，用于对所述拼帧序列进行降采样，得到跳帧序列；

模型训练单元，用于利用所述拼帧序列以及对应的文本标注训练得到第一语音识别模型；基于所述第一语音识别模型，利用所述跳帧序列以及对应的文本标注训练得到第二语音识别模型。

根据本公开的第四方面，提供了一种语音识别的装置，包括：

第二获取单元，用于获取语音帧序列；

第二拼帧单元，用于对所述语音帧序列中的各帧进行拼帧处理，得到拼帧序列；

第二跳帧单元，用于对所述拼帧序列进行降采样，得到跳帧序列；

结果获取单元，用于将所述跳帧序列输入第二语音识别模型，获取所述第二语音识别模型输出的文本识别结果；

其中所述第二语音识别模型由如上所述的获取语音识别模型的装置预先训练得到。

根据本公开的第五方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。

由以上技术方案可以看出，通过将语音帧序列进行拼帧处理后再进行降采样得到跳帧序列，有效降低了语音识别模型要处理的帧率，从而降低语音识别的计算量。

并且在利用拼帧序列进行训练得到的模型基础上，再利用跳帧序列进行训练得到语音识别模型的方式，能够保证模型训练的稳定性，降低性能损失。

应当理解，本部分分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开实施例提供的获取语音识别模型的方法流程图；

图2为本公开实施例提供的拼帧序列和跳帧序列的实例图；

图3a为本公开实施例提供的训练第一语音识别模型的示意图；

图3b为本公开实施例提供的训练第三语音识别模型的示意图；

图3c为本公开实施例提供的训练第二语音识别模型的示意图；

图4为本公开实施例提供的语音识别方法的流程图；

图5为本公开实施例提供的获取语音识别模型的装置结构图；

图6为本公开实施例提供的语音识别装置的结构图；

图7是用来实现本公开实施例的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在语音识别中往往需要做短时谱分析来提取语音特征，而谱分析一般是以一个固定的帧移在进行的。帧移指的是相邻两帧的位移量，帧率表示每秒的帧数量。例如帧移为10ms，则帧率为100帧/秒。帧率决定了特征的分辨率、每秒的计算次数。因此压缩计算量的关键就在于降低帧率。本公开提供的方法和装置就基于上述降低帧率的思路。对于语音识别而言，关键和基础在于语音识别模型，下面分别结合实施例对获取语音识别模型的过程和语音识别的过程进行详细描述。

图1为本公开实施例提供的获取语音识别模型的方法流程图。该方法的执行主体可以为获取语音识别模型的装置，该装置可以位于服务器端，也可以位于具有较强计算能力的计算机终端。可以是应用的形式，或者还可以为应用中的插件或软件开发工具包(Software Development Kit，SDK)等功能单元，本公开实施例对此不进行特别限定。如图1中所示，该方法主要包括以下步骤：

在101中，获取训练数据，训练数据包括语音帧序列及其对应的文本标注，语音帧序列包括多于一个的语音帧。

在本公开中使用的训练数据可以是已经标注出文本的语音帧序列。其中，语音帧序列是对语音进行分帧处理后得到的多于一个的语音帧。其中分帧处理指的是采用交叠分段的方法使得语音帧之间平滑过渡，保持连续性的方式。相邻两帧的位置之差(例如相邻两帧开始位置之差)称为帧移。分帧处理可以采用目前较为成熟的技术，在此不做详述。

在102中，对语音帧序列中的各帧进行拼帧处理，得到拼帧序列。

若为了降低帧率而直接对语音帧序列进行降采样，会破坏语音特征短时平稳的性能，训练出的模型容易发散，性能损失较大。为了保证模型性能和训练稳定性，在本公开中首先对语音帧序列中的各帧进行拼帧处理，然后对得到的拼帧序列再进行降采样。

其中拼帧处理可以包括：将语音序列中的各帧分别与其相邻的前m个帧和后n个帧合并，得到拼帧序列中的各帧，其中m和n为预设的正整数。其中，m的取值过大可能会产生冗余，n的取值过大会产生较大延迟，但如果m和n的取值越小带来的计算量越大，因此需要更具实际场景的需求合理设置m和n的取值。具体可以采用经验值或实验值，例如m和n可以取2。

如图2中所示，对于语音帧序列进行拼帧处理，对于第1个的语音帧，将其前2帧、本身和后2帧组合，即将1～3(前2帧空白)个语音帧组合作为拼帧序列中的第1帧，记为X

在103中，对拼帧序列进行降采样，得到跳帧序列。

在对拼帧序列进行降采样时采用的采样率同样可以根据实际场景的需求进行合理设置，可以采用经验值或实验值。以1/2采样率为例，如图2中所示，若每2帧采样一次则从拼帧序列中采样出第1帧、第3帧、第5帧……，组成跳帧序列。这种先拼帧再降采样的方式，相比较直接降采样的方式，大大降低了特征信息的丢失。如图2中所示，原本语音帧的帧移为10ms，虽然帧移从原来的10ms提升至20ms，帧率降低为原来的1/2，但跳帧序列中帧与帧之间有一定重叠，保证了特征之间的连续性。

在104中，利用拼帧序列以及对应的文本标注训练得到第一语音识别模型。

本公开中涉及的语音识别模型采用的是由编码器和解码器作为主体的结构，例如SMLTA(Streaming Multi-Layer Truncated Attention，流媒体多层截断注意力)、LAS(Listener Attenter Speller)系统。

其中，编码器和解码器可以由LSTM(Long Short-Term Memory，长短时记忆)网络组成。输入编码器的实际上是从各帧提取的诸如Fbank(滤波器组)、MFCC(Mel-frequencycepstral coefficients，梅尔频率倒谱系数)等声学特征。编码器依据输入的各帧的声学特征得到各帧的隐向量，各帧的隐向量构成的隐向量序列输入解码器后，由解码器输出文本。该文本体现的是声学建模单元，例如可以是词、字、音节、音素(phone)等。

在105中，基于第一语音识别模型，利用跳帧序列以及对应的文本标注训练得到第二语音识别模型。

在上述步骤103之后如果直接使用跳帧序列训练语音识别模型，则模型训练会不稳定、难以收敛且性能与用原始的语音帧序列训练得到的模型具有较大差异。因此，在本实施例中采用了一种多阶段的训练方式，即先在步骤104中使用拼帧序列进行模型训练，然后再进一步利用跳帧序列进行训练，使得最终得到的模型能够平稳收敛且减小性能损失。

下面结合实施例对上述步骤104和步骤105进行详细描述。

首先在本骤104中，可以利用拼帧序列以及对应的文本标注训练得到一个初步的模型，在此称为“第一语音识别模型”。具体的训练过程如图3a中所示，将拼帧序列的声学特征{X

上述训练过程所采用的训练目标是最小化解码器输出的识别结果与文本标注的差异。可以基于此训练目标构建损失函数，利用损失函数的取值更新模型参数。

作为其中一种优选的实施方式，可以设计两个损失函数：

第一损失函数可以采用诸如Loss Ce(Cross entropy，交叉熵)，其目标是最大化模型输出文本标注的后验概率，例如：

P(L|X)＝ΠP(l

其中，X表示输入模型的序列，L表示模型输出的序列，L＝[l

第二损失函数可以采用诸如Loss CTC(Connectionist TemporalClassification，连接主义时序分类)，其目标是最大化模型输出文本标注的路径概率和，使用Loss CTC的训练任务需要增加全连接层(Full Layer)。隐向量序列输入全连接层得到对峰值的预测，该对峰值的预测结果{y

例如：P(Y|X)＝∑

其中，Y表示模型输出的序列，φ(Y')表示输出的所有可能的文本序列。

诸如Loss Ce的第一损失函数是针对每帧数据的，使得每帧数据的训练误差最小。而诸如Loss CTC的第二损失函数是基于序列的，不需要考虑每一帧与标注的对齐问题，只要路径正确即可，也就是说，使得整个序列的训练误差最小。

在训练编码器和解码器的过程中，可以利用上述第一损失函数整体更新编码器和解码器的模型参数，以及利用上述第二损失函数仅更新解码器的模型参数。达到训练结束条件后，得到第一语音识别模型。其中训练结束条件可以是诸如损失函数收敛、损失函数的取值小于或等于预设损失函数阈值、迭代次数达到预设次数阈值，等等。

在步骤105的实现方式中，可以直接基于第一语音识别模型采用跳帧序列以及对应的文本标注训练得到第二语音识别模型。但作为一种优选的实施方式，可以采用两阶段式的训练方式：第一阶段进行解码器的跳帧训练，第二阶段进行编码器和解码器的跳帧训练。

第一阶段进行解码器的跳帧训练时，基于第一语音识别模型，将拼帧序列的声学特征作为编码器的输入，对编码器输出的隐向量序列进行降采样得到跳帧隐向量序列；将跳帧隐向量序列作为解码器的输入，将对应的文本标注作为解码器的目标输出，继续训练编码器和解码器，得到第三语音识别模型。

如图3b中所示，本阶段训练前编码器和解码器是步骤104得到的第一语音识别模型。本阶段训练时，将跳帧序列的声学特征{X

同样可以采用诸如Loss Ce的第一损失函数用以更新编码器和解码器的模型参数，其目标是最大化模型输出文本标注的后验概率。

采用诸如Loss CTC的第二损失函数仅用以更新编码器的模型参数。其目标是最大化模型输出文本标注的路径概率和，使用Loss CTC的训练任务需要增加全连接层(FullLayer)。隐向量序列输入全连接层得到对峰值的预测，该对峰值的预测结果{y

在此第一阶段的训练过程中，Loss CTC用于保持编码器的性能，主要训练解码器部分。达到训练结束条件后，得到第三语音识别模型。其中训练结束条件可以是诸如损失函数收敛、损失函数的取值小于或等于预设损失函数阈值、迭代次数达到预设次数阈值，等等。

第二阶段进行编码器和解码器的跳帧训练时，可以基于第三语音识别模型，将跳帧序列的声学特征作为编码器的输入，编码器输出的隐向量序列作为解码器的输入，将对应的文本标注作为解码器的目标输出，继续训练编码器和解码器，得到第二语音识别模型。

如图3c中所示，本阶段训练前编码器和解码器是第一阶段得到的第三语音识别模型。本阶段训练时，将跳帧序列的声学特征{X

同样可以采用诸如Loss Ce的第一损失函数用以更新编码器和解码器的模型参数，采用诸如Loss CTC的第二损失函数仅用以更新编码器的模型参数。在此第二阶段的训练过程中，Loss Ce用于保持解码器的性能，且连同Loss CTC一起训练编码器。达到训练结束条件后，得到第二语音识别模型。其中训练结束条件可以是诸如损失函数收敛、损失函数的取值小于或等于预设损失函数阈值、迭代次数达到预设次数阈值，等等。

可以看出，上述两阶段的训练方式中，每一个训练阶段编码器和解码器都有一个的输入序列未改变，从而引导另一部分训练，这种“过渡式”的训练方式能够保证模型训练的稳定性，以使得到的模型性能损失最小。

上述得到的第二语音识别模型包括编码器和解码器，上述训练过程中Loss CTC涉及的全连接层用以辅助语音识别模型的训练，在实际语音识别场景下，第二语音识别模型可以不包含该全连接层。

在上述训练得到第二语音识别模型的基础上，可以利用该第二语音识别模型进行语音识别。图4为本公开实施例提供的语音识别方法的流程图。该方法的执行主体可以为语音识别装置，该装置可以位于服务器端，也可以位于具有较强计算能力的计算机终端。可以是应用的形式，或者还可以为应用中的插件或SDK等功能单元，本公开实施例对此不进行特别限定。如图4中所示，该方法可以包括以下步骤：

在401中，获取语音帧序列。

本步骤中涉及的语音帧序列可以对待识别语音进行分帧处理后得到的多于一个的语音帧。

在402中，对语音帧序列中的各帧进行拼帧处理，得到拼帧序列。

在403中，对拼帧序列进行降采样，得到跳帧序列。

上述拼帧处理和跳帧处理的具体方式可以参见图1所示实施例中关于步骤102和103的描述，在此不做赘述。在语音识别过程中采用的拼帧处理和跳帧处理需要与其所采用语音识别模型在训练过程中采用的方式一致。

在404中，将跳帧序列输入第二语音识别模型，获取第二语音识别模型输出的文本识别结果。

本步骤中，跳帧序列的声学特征输入第二语音识别模型的编码器后，编码器输出隐向量序列。隐向量序列作为第二语音识别模型的解码器的输入，由解码器输出对语音帧序列的文本识别结果。该文本识别结果体现的是声学建模单元，例如可以是词、字、音节、音素(phone)等。

由于在上述语音识别过程中，跳帧序列相比较原始的语音帧序列而言，降低了帧率，从而有效降低了语音识别过程中的计算量。虽然拼帧处理带来了输入特征维度的增加，但特征维度的增加仅仅会对编码器部分第一层网络带来影响，而由于时间维度被充分压缩，因此编码器部分和解码器部分的总计算量得到了有效降低。

对于在线语音识别服务而言，降低帧率可以节省计算资源，减少响应时间。对于离线语音识别，降低帧率可以容纳更大参数量的模型、提升识别准确率、降低功耗等。因此，在语音识别系统中，低帧率优化对于用户体验、服务成本、产品性能都有举足轻重的作用。

以上是对本公开所提供方法进行的详细描述，下面结合实施例对本公开提供的装置进行详细描述。

图5为本公开实施例提供的获取语音识别模型的装置结构图，如图5中所示，该装置500可以包括：第一获取单元510、第一拼帧单元520、第一跳帧单元530和模型训练单元540。其中各组成单元的主要功能如下：

第一获取单元510，用于获取训练数据，训练数据包括语音帧序列及其对应的文本标注，语音帧序列包括多于一个的语音帧。

第一拼帧单元520，用于对语音帧序列中的各帧进行拼帧处理，得到拼帧序列。

具体地，第一拼帧单元520可以将语音帧序列中的各帧分别与其相邻的前m个帧和后n个帧合并，得到拼帧序列中的各帧，m和n为预设的正整数。其中，m的取值过大可能会产生冗余，n的取值过大会产生较大延迟，但如果m和n的取值越小带来的计算量越大，因此需要更具实际场景的需求合理设置m和n的取值。具体可以采用经验值或实验值，例如m和n可以取2。

第一跳帧单元530，用于对拼帧序列进行降采样，得到跳帧序列。

在对拼帧序列进行降采样时采用的采样率同样可以根据实际场景的需求进行合理设置，可以采用经验值或实验值。

模型训练单元540，用于利用拼帧序列以及对应的文本标注训练得到第一语音识别模型；基于第一语音识别模型，利用跳帧序列以及对应的文本标注训练得到第二语音识别模型。

作为其中一种可实现的方式，模型训练单元540可以包括：第一训练子单元541、第二训练子单元542和第三训练子单元543。

第一训练子单元541，用于将拼帧序列的声学特征作为编码器的输入，编码器输出的隐向量序列作为解码器的输入，将对应的文本标注作为解码器的目标输出，训练编码器和解码器，得到包含编码器和解码器的第一语音识别模型。

其中，编码器和解码器可以由LSTM网络组成。输入编码器的实际上是从各帧提取的诸如Fbank、MFCC等声学特征。解码器输出识别结果文本。该文本体现的是声学建模单元，例如可以是词、字、音节、音素(phone)等。

第二训练子单元542，用于基于第一语音识别模型，将拼帧序列的声学特征作为编码器的输入，对编码器输出的隐向量序列进行降采样，将降采样后得到的跳帧隐向量序列作为解码器的输入，将对应的文本标注作为解码器的目标输出，继续训练编码器和解码器，得到第三语音识别模型。

第三训练子单元543，用于基于第三语音识别模型，利用跳帧序列以及对应的文本标注训练得到第二语音识别模型。

作为其中一种可实现的方式，第三训练子单元543可以基于第三语音识别模型，将跳帧序列的声学特征作为编码器的输入，编码器输出的隐向量序列作为解码器的输入，将对应的文本标注作为解码器的目标输出，继续训练编码器和解码器，得到第二语音识别模型。

作为其中一种优选的实施方式，可以设计两个损失函数：第一损失函数可以采用诸如Loss Ce(Cross entropy，交叉熵)，其目标是最大化模型输出文本标注的后验概率。第二损失函数可以采用诸如Loss CTC，其目标是最大化模型输出文本标注的路径概率和，使用Loss CTC的训练任务需要增加全连接层(Full Layer)。隐向量序列输入全连接层得到对峰值的预测，该对峰值的预测结果不要求每一帧都对齐，而是在路径(即文本序列的结果)上一致即可。也就是说，只要保证预测的文本结果是正确的，而无需在每一帧上对齐。

模型训练单元543包括的上述第一训练子单元541、第二训练子单元542和第三训练子单元543在训练编码器和解码器时，可以确定第一损失函数和第二损失函数；利用第一损失函数更新编码器和解码器的模型参数，以及利用第二损失函数更新解码器的模型参数。

图6为本公开实施例提供的语音识别装置的结构图，如图6中所示，该装置600可以包括：第二获取单元601、第二拼帧单元602、第二跳帧单元603和结果获取单元604。其中各组成单元的主要功能如下：

第二获取单元601，用于获取语音帧序列。

本实施例中涉及的语音帧序列可以对待识别语音进行分帧处理后得到的多于一个的语音帧。

第二拼帧单元602，用于对语音帧序列中的各帧进行拼帧处理，得到拼帧序列。

第二跳帧单元603，用于对拼帧序列进行降采样，得到跳帧序列。

上述拼帧处理和跳帧处理的具体方式可以参见图5所示装置实施例中的相关描述，在此不做赘述。在语音识别过程中采用的拼帧处理和跳帧处理需要与其所采用语音识别模型在训练过程中采用的方式一致。

结果获取单元604，用于将跳帧序列输入第二语音识别模型，获取第二语音识别模型输出的文本识别结果。其中第二语音识别模型由如图5中所示的获取语音识别模型的装置预先训练得到。

跳帧序列的声学特征输入第二语音识别模型的编码器后，编码器输出隐向量序列。隐向量序列作为第二语音识别模型的解码器的输入，由解码器输出对语音帧序列的文本识别结果。该文本识别结果体现的是声学建模单元，例如可以是词、字、音节、音素(phone)等。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

如图7所示，是根据本公开实施例的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如获取语音识别模型的方法或语音识别方法。例如，在一些实施例中，获取语音识别模型的方法或语音识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。

在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的获取语音识别模型的方法或语音识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行获取语音识别模型的方法或语音识别方法。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控30制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPs，Ⅵirtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。