数据处理方法、装置、可读介质及电子设备

技术领域

本公开涉及计算机技术领域，具体地，涉及一种数据处理方法、装置、可读介质及电子设备。

背景技术

在语音识别领域，通常将声学模块、语言模型、词典、解码器等不同模块融合到一个端到端的语音识别系统中，基于“音频-文本”进行训练，能够在语音识别任务中获得较好的效果。在端到端的语音识别模型中，通过模型中编码器encoder和解码器decoder之间的注意力机制，以及解码的自回归特性，可以在解码的每一步充分利用编码器的全部声学信息，从而达到更好的语音识别效果。但是，在以上述自回归特性和全局注意力机制为基础进行语音识别的过程中，有时会使模型在解码过程中持续关注某一帧或某几帧数据，导致解码结果中某个片段重复出现，也就是导致重复解码问题。

发明内容

提供该部分内容以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该部分内容并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种数据处理方法，所述方法包括：

获取语音识别模型对待识别音频进行处理后输出的解码文本；

根据所述解码文本，确定所述语音识别模型在得到所述解码文本的过程中是否发生重复解码；

若确定发生重复解码，对所述解码文本进行去重处理，并将去重处理后得到的文本确定为所述待识别音频对应的文本。

第二方面，本公开提供一种数据处理装置，所述装置包括：

获取模块，用于获取语音识别模型对待识别音频进行处理后输出的解码文本；

确定模块，用于根据所述解码文本，确定所述语音识别模型在得到所述解码文本的过程中是否发生重复解码；

去重模块，用于若确定发生重复解码，对所述解码文本进行去重处理，并将去重处理后得到的文本确定为所述待识别音频对应的文本。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有至少一个计算机程序；

至少一个处理装置，用于执行所述存储装置中的所述至少一个计算机程序，以实现本公开第一方面所述方法的步骤。

通过上述技术方案，首先获取语音识别模型针对待识别音频进行处理后输出的解码文本，继而确定该语音识别模型在得到解码文本的过程中是否发生了重复解码，若确定发生了重复解码，对该解码文本进行去重处理，以将去重处理后得到的文本作为待识别音频对应的文本。由此，在不改变语音识别模型自身解码输出效果的基础上，对模型解码所得到的解码文本进行检测，确定其是否出现了重复解码的问题，并在检测到重复解码问题的情况下及时对解码文本中存在重复的部分进行去重修正，从而，能够进一步提升语音识别的准确性。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据本公开的一种实施方式提供的数据处理方法的流程图；

图2是根据本公开提供的数据处理方法中，确定语音识别模型在得到解码文本的过程中是否发生重复解码的步骤的一种示例性的流程图；

图3是根据本公开的一种实施方式提供的数据处理装置的框图；

图4示出了适于用来实现本公开实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。

可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。

例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。

作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。

可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。

同时，可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。

如背景技术所述，目前端到端的语音模型中，例如，LAS(Listen Attend andSpell)模型，因其编码器与解码器之间的注意力机制以及解码的自回归特性，可能会导致重复解码的问题。相关技术中，针对模型的重复解码问题，通常采用的思路是从模型训练的角度出发，减少模型内部出现重复解码的机率，例如，去掉训练数据中文本重复较多的部分数据、在训练过程中通过调整模型的损失函数使注意力分布更加平均、或者改变全局注意力机制为因果注意力机制以避免注意力机制持续关注某一片段等，然而，上述方式中，模型自回归解码的特性仍未改变，因而重复解码的问题仍然有可能出现，并且，改变损失函数、注意力机制这些手段属于对模型本身结构的改变，可能会导致模型的效果受损，此外，在上述方式中，若发现重复解码问题，后续还需要重新进行训练，这也在无形中增加了训练成本。

为了解决上述的技术问题，本公开提供一种据处理方法、装置、可读介质及电子设备，能够在不改变语音识别模型自身效果的基础上解决模型的重复解码问题，进而提升语音识别的准确性。

图1是根据本公开的一种实施方式提供的数据处理方法的流程图。如图1所示，本公开提供的方法可以包括步骤11至步骤13。

在步骤11中，获取语音识别模型对待识别音频进行处理后输出的解码文本。

在步骤12中，根据解码文本，确定语音识别模型在得到解码文本的过程中是否发生重复解码。

在步骤13中，若确定发生重复解码，对解码文本进行去重处理，并将去重处理后得到的文本确定为待识别音频对应的文本。

也就是说，本公开提供的数据是处理方法，实际上是针对语音识别模型的输出结果(即，解码文本)的进一步的后处理，因而，无需对语音识别本身进行更改，即，不会改变语音识别模型本身的处理效果，而是基于语音识别模型输出的解码文本，判断语音识别模型在处理过程中是否发生了重复解码，如果确定发生了重复解码，则对语音识别模型输出的解码文本进行去重处理，以此来实现修正，保证对待识别音频的识别准确性。

通过上述技术方案，首先获取语音识别模型针对待识别音频进行处理后输出的解码文本，继而确定该语音识别模型在得到解码文本的过程中是否发生了重复解码，若确定发生了重复解码，对该解码文本进行去重处理，以将去重处理后得到的文本作为待识别音频对应的文本。由此，在不改变语音识别模型自身解码输出效果的基础上，对模型解码所得到的解码文本进行检测，确定其是否出现了重复解码的问题，并在检测到重复解码问题的情况下及时对解码文本中存在重复的部分进行去重修正，从而，能够进一步提升语音识别的准确性。

为了使得本领域技术人员更加理解本公开提供的数据处理方法，下面将结合上述步骤对本公开进行更加详细的描述。

在步骤11中，获取语音识别模型对待识别音频进行处理后输出的解码文本。

该语音识别模型用于对音频进行处理，进而得到与该音频对应的文本，语音识别模型可以包括编码器encoder、解码器decoder(示例地，可以采用RNN模型，即循环神经网络Recurrent Neural Network)，且模型通过编码器与解码器之间的注意力机制、解码器的自回归特性实现对音频的处理。示例地，语音识别模型可以为上文中提到的LAS模型。

因此，步骤11实际上就是获取语音识别模型的输出结果，即，语音识别模型经过解码器输出的解码文本。

在步骤12中，根据解码文本，确定语音识别模型在得到解码文本的过程中是否发生重复解码。

在一种可能的实施方式中，步骤12可以包括以下步骤，如图2所示：

在步骤21中，确定解码文本中是否存在重复的目标文本单元；

在步骤22中，若存在重复的目标文本单元，获取每一目标文本单元对应的注意力分布向量；

在步骤23中，根据获取到的注意力分布向量，确定目标文本单元是否存在注意力分布的循环；

在步骤24中，若确定目标文本单元存在注意力分布的循环，确定语音识别模型在得到解码文本的过程中发生重复解码。

如上文所述，语音识别模型是基于注意力机制的模型。通常情况下，模型在解码过程中持续地关注某一帧或某几帧，会导致某个片段在解码结果中重复出现，也就是出现了重复解码的情况，因此，重复解码的发生通常对应有两种表现，一是解码结果中文本片段的重复，二是注意力机制下对部分帧的持续关注。其中，前者可以直接通过解码结果中的文本对重复文本片段进行识别，后者则可以通过注意力分布向量来反映。

因而，可以首先执行步骤21，确定解码文本中是否存在重复的目标文本单元。

在一种可能的实施方式中，步骤21可以包括以下步骤：

获取重复判定规则；

针对每一文本字符数量，确定解码文本中是否存在字符数量符合文本字符数量、且连续出现次数达到该文本字符数量对应的连续重复次数阈值的文本片段；

若存在文本片段，确定存在重复的目标文本单元，并将文本片段确定为目标文本单元。

其中，重复判定规则用于指示文本字符数量和每一文本字符数量各自对应的连续重复次数阈值。通常情况下，文本字符数量越多，其对应的重复次数越少，反之，文本字符数量越少，其对应的重复次数越多。举例来说，对于文本字符数量1，可以设置其对应的连续重复次数阈值为15，也就是说，同样的字符要连续出现达到15次才会被判定为该字符发生重复；对于文本字符数量2，可以设置其对应的连续出现次数阈值为10，也就是说，同样的双字符的文本片段如果连续出现了达到10次就会被判定为该双字符的文本片段发生重复，若该双字符的文本片段的连续出现次数未达到10次，则不会被判定为发生重复；对于文本字符数量3，可以设置其对应的连续重复次数阈值为8，也就是说，同样的三字符的文本片段如果连续出现了达到8次就会被判定为该三字符的文本片段发生重复，若该三字符的文本片段的连续出现次数未达到8次，则不会被判定为发生重复。

在获取到重复判定规则后，可以针对每一文本字符数量，确定解码文本中是否存在字符数量符合文本字符数量、且连续出现次数达到该文本字符数量对应的连续重复次数阈值的文本片段。并且，若存在文本片段，确定存在重复的目标文本单元，并将文本片段确定为目标文本单元。

也就是说，对于每一种文本字符数量，分别按照上述方式进行判定，以确定是否存在符合该文本字符数量的重复文本片段。可选地，可以针对每一种文本字符数量，贪心地寻找解码文本中包含该文本字符数量的字符、且连续出现多次的字符串，再判断该字符串的重复次数是否达到了该文本字符数量对应的连续重复次数阈值，即可确定该字符串是否为符合上述条件的文本片段。

示例地，若解码文本为abcdecdecdecdecdecdecdecdecdecdecdefz，且给定重复判定规则为文本字符数量1对应的连续重复次数阈值为15、文本字符数量2对应的连续重复次数阈值为10、文本字符数量3对应的连续重复次数阈值为8，进而：

对于文本字符数量1，未识别到连续出现的单个字符；

对于文本字符数量2，未识别到连续出现的双字符；

对于文本字符数量3，识别到存在连续出现的字符串“cde”，且字符串“cde”连续出现了11次，超过了文本字符数量3对应的连续重复次数阈值8；

基于此，可以确定存在符合文本字符数量3、其连续出现次数达到里阿奴重复次数阈值8的文本片段，也就是存在重复的目标文本单元，该字符串“cde”就是目标文本单元。

可选地，在确定存在重复的目标文本单元的情况下，还可以进一步定位目标文本单元在解码文本中的位置，以便后续进行注意力分布向量的判断以及去重处理。示例地，可以获取解码文本中目标文本单元首次出现时起始字符的位置，以及，解码文本中目标文本单元最后一次出现时结尾字符的位置。以上文示例中的解码文本为abcdecdecdecdecdecdecdecdecdecdecdefz为例，假设解码文本中首个字符a对应的下标为0，第二个字符b对应的下标为1，其他以此类推，那么，就可以获取到目标文本单元“cde”首次出现时起始字符的位置为下标2，目标文本单元“cde”最后一次出现时结尾字符的位置为下标34。

此外，若无法寻找到字符数量符合所述文本字符数量、且连续出现次数达到该文本字符数量对应的连续重复次数阈值的文本片段，说明解码文本中不存在重复的目标文本单元，即，解码文本未出现重复解码。

若确定存在重复的目标文本单元，说明符合上文中重复解码的表现之一，因此，还需要进一步判定注意力机制是否存在对某一部分数据持续关注的情况，而注意力机制的上述判定可以结合注意力分布向量来进行。

因此，在步骤22中，若存在重复的目标文本单元，获取每一目标文本单元对应的注意力分布向量。

其中，在基于注意力机制的模型中，通常情况下，解码器基于编码器输出的数据和注意力分布向量得到对应的解码token，因而，每当解码器确定一个token，该token对应的注意力分布向量也容易作为中间数据被获得。因而，每一目标文本单元中的每个字符各自对应有一个注意力分布向量(也就是，被输入到解码器中后得到该字符的注意力分布向量)，因此，每一目标文本单元对应的注意力分布向量也可以直接获得。示例地，若目标文本单元包含的文本字符数量为1，目标文本单元对应的注意力分布向量实际上就是目标文本单元所包含的单个字符对应的注意力分布向量。再例如，若目标文本单元包含的文本字符数量大于或等于2，目标文本单元对应的注意力分布向量包括该目标文本单元起始字符对应的起始注意力分布向量和该目标文本单元的结尾字符对应的结尾注意力分布向量，以上文示例中的目标文本单元“cde”来说，其对应的注意力分布向量可以包括“c”对应的注意力分布向量和“e”对应的注意力分布向量，并且，对于解码文本中的每一个“cde”，均按照上述方式确定其注意力分布向量。

在获取到每一目标文本单元对应的注意力分布向量后，即可执行步骤23，根据获取到的注意力分布向量，确定目标文本单元是否存在注意力分布的循环。

在一种可能的实施方式中，步骤23可以包括以下步骤：

针对每一目标文本单元，确定除该目标文本单元以外的其他目标文本单元对应的注意力分布向量各自与该目标文本单元对应的注意力分布向量之间的相似度；

若每一相似度均大于预设的相似度阈值，确定目标文本单元存在注意力分布的循环。

也就是说，对于每一个目标文本单元，需要判定其与其他的目标文本单元的注意力分布向量之间的相似度，如果注意力分布向量均相似，则说明在出现重复的文本片段的基础上同时出现了注意力分布的循环，因而可以确定发生了重复解码。举例来说，若存在5个目标文本单元，则针对每一个目标文本单元，需要确定该目标文本单元的注意力分布向量与其他4个目标文本单元的注意力分布向量之间的相似度。

示例地，若目标文本单元对应的注意力分布向量包括该目标文本单元起始字符对应的起始注意力分布向量和该目标文本单元的结尾字符对应的结尾注意力分布向量，则上述相似度可以包括不同目标文本单元的起始注意力分布向量间的第一相似度和不同目标文本单元的结尾注意力分布向量间的第二相似度。举例来说，若存在5个目标文本单元，分别为目标文本单元1-5，则目标文本单元1和目标文本单元5之间的相似度，可以包括目标文本单元1的起始注意力分布向量和目标文本单元5的起始注意力分布向量之间的第一相似度，以及，目标文本单元的结尾注意力分布向量和目标文本单元5的结尾注意力分布向量之间的第二相似度。

可选地，可以通过计算注意力分布向量之间余弦相似度以获得注意力分布向量之间的相似度。

在基于上述方式，若计算出的每一相似度(对于目标文本单元包含两个或两个以上字符的情况，则该相似度既包含上述第一相似度，也包含上述第二相似度)均大于预设的相似度阈值，就可以确定目标文本单元存在注意力分布的循环。

步骤24中，若确定目标文本单元存在注意力分布的循环，确定语音识别模型在得到解码文本的过程中发生重复解码。

可选地，步骤12还可以包括以下步骤：

若不存在重复的目标文本单元，或者，若确定目标文本单元不存在注意力分布的循环，确定语音识别模型在得到解码文本的过程中未发生重复解码。

也就是说，若上文中提到的重复解码的两个表现中有任意一者不符合，均可以认定为未出现重复解码。

回到图1，在步骤13中，若确定发生重复解码，对解码文本进行去重处理，并将去重处理后得到的文本确定为待识别音频对应的文本。

在一种可能的实施方式中，对解码文本进行去重处理，可以包括以下步骤：

在解码文本中，将重复的目标文本单元保留为单个的目标文本单元，以得到去重处理的文本。

也就是说，对于出现解码重复的解码文本，定位到目标文本单元后，通过保留这些重复的目标文本单元中的一者，实现对解码文本的去重处理。

以上文中给出的解码文本abcdecdecdecdecdecdecdecdecdecdecdefz为例，其中存在目标文本单元“cde”，因而，将出现了11次的“cde”替换为单个的“cde”，得到abcdefz，也就完成了去重处理。

在对解码文本进行去重处理后，即可将去重处理后得到的文本作为待识别音频对应的文本。

可选地，若通过步骤12确定未发生重复解码，则可以直接将步骤11中获取到的解码文本确定为待识别音频对应的文本。

图3是根据本公开的一种实施方式提供的数据处理装置的框图。如图3所示，该装置30可以包括：

获取模块31，用于获取语音识别模型对待识别音频进行处理后输出的解码文本；

确定模块32，用于根据所述解码文本，确定所述语音识别模型在得到所述解码文本的过程中是否发生重复解码；

去重模块33，用于若确定发生重复解码，对所述解码文本进行去重处理，并将去重处理后得到的文本确定为所述待识别音频对应的文本。

可选地，所述语音识别模型是基于注意力机制的模型；

所述确定模块32，包括：

第一确定子模块，用于确定所述解码文本中是否存在重复的目标文本单元；

第一获取子模块，用于若存在所述重复的目标文本单元，获取每一所述目标文本单元对应的注意力分布向量；

第二确定子模块，用于根据获取到的所述注意力分布向量，确定所述目标文本单元是否存在注意力分布的循环；

第三确定子模块，用于若确定所述目标文本单元存在注意力分布的循环，确定所述语音识别模型在得到所述解码文本的过程中发生重复解码。

可选地，所述确定模块32还包括：

第四确定子模块，用于若不存在所述重复的目标文本单元，或者，若确定所述目标文本单元不存在注意力分布的循环，确定所述语音识别模型在得到所述解码文本的过程中未发生重复解码。

可选地，所述第一确定子模块，包括：

第二获取子模块，用于获取重复判定规则，所述重复判定规则用于指示文本字符数量和每一文本字符数量各自对应的连续重复次数阈值；

第五确定子模块，用于针对每一所述文本字符数量，确定所述解码文本中是否存在字符数量符合所述文本字符数量、且连续出现次数达到该文本字符数量对应的连续重复次数阈值的文本片段；

第六确定子模块，用于若存在所述文本片段，确定存在重复的目标文本单元，并将所述文本片段确定为所述目标文本单元。

可选地，所述第二确定子模块，用于，包括：

第七确定子模块，用于针对每一所述目标文本单元，确定除该目标文本单元以外的其他目标文本单元对应的注意力分布向量各自与该目标文本单元对应的注意力分布向量之间的相似度；

第八确定子模块，用于若每一所述相似度均大于预设的相似度阈值，确定所述目标文本单元存在注意力分布的循环。

可选地，若所述目标文本单元包含的文本字符数量大于或等于2，所述目标文本单元对应的注意力分布向量包括该目标文本单元起始字符对应的起始注意力分布向量和该目标文本单元的结尾字符对应的结尾注意力分布向量；

所述相似度包括不同目标文本单元的起始注意力分布向量间的第一相似度和不同目标文本单元的结尾注意力分布向量间的第二相似度。

可选地，在发生重复解码的情况下，所述解码文本中存在重复的目标文本单元；

所述去重模块33，包括：

处理子模块，用于在所述解码文本中，将所述重复的目标文本单元保留为单个的目标文本单元，以得到去重处理的文本。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

基于同一构思，本公开还提供一种非临时性计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述数据处理方法的步骤。

基于同一构思，本公开还提供一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述数据处理方法的步骤。

下面参考图4，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取语音识别模型对待识别音频进行处理后输出的解码文本；根据所述解码文本，确定所述语音识别模型在得到所述解码文本的过程中是否发生重复解码；若确定发生重复解码，对所述解码文本进行去重处理，并将去重处理后得到的文本确定为所述待识别音频对应的文本。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取语音识别模型对待识别音频进行处理后输出的解码文本的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

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。

根据本公开的一个或多个实施例，提供了一种数据处理方法，所述方法包括：

获取语音识别模型对待识别音频进行处理后输出的解码文本；

根据所述解码文本，确定所述语音识别模型在得到所述解码文本的过程中是否发生重复解码；

若确定发生重复解码，对所述解码文本进行去重处理，并将去重处理后得到的文本确定为所述待识别音频对应的文本。

根据本公开的一个或多个实施例，提供了一种数据处理方法，所述语音识别模型是基于注意力机制的模型；

所述根据所述解码文本，确定所述语音识别模型在得到所述解码文本的过程中是否发生重复解码，包括：

确定所述解码文本中是否存在重复的目标文本单元；

若存在所述重复的目标文本单元，获取每一所述目标文本单元对应的注意力分布向量；

根据获取到的所述注意力分布向量，确定所述目标文本单元是否存在注意力分布的循环；

若确定所述目标文本单元存在注意力分布的循环，确定所述语音识别模型在得到所述解码文本的过程中发生重复解码。

根据本公开的一个或多个实施例，提供了一种数据处理方法，所述方法还包括：

若不存在所述重复的目标文本单元，或者，若确定所述目标文本单元不存在注意力分布的循环，确定所述语音识别模型在得到所述解码文本的过程中未发生重复解码。

根据本公开的一个或多个实施例，提供了一种数据处理方法，所述确定所述解码文本中是否存在重复的目标文本单元，包括：

获取重复判定规则，所述重复判定规则用于指示文本字符数量和每一文本字符数量各自对应的连续重复次数阈值；

针对每一所述文本字符数量，确定所述解码文本中是否存在字符数量符合所述文本字符数量、且连续出现次数达到该文本字符数量对应的连续重复次数阈值的文本片段；

若存在所述文本片段，确定存在重复的目标文本单元，并将所述文本片段确定为所述目标文本单元。

根据本公开的一个或多个实施例，提供了一种数据处理方法，所述根据获取到的所述注意力分布向量，确定所述目标文本单元是否存在注意力分布的循环，包括：

针对每一所述目标文本单元，确定除该目标文本单元以外的其他目标文本单元对应的注意力分布向量各自与该目标文本单元对应的注意力分布向量之间的相似度；

若每一所述相似度均大于预设的相似度阈值，确定所述目标文本单元存在注意力分布的循环。

根据本公开的一个或多个实施例，提供了一种数据处理方法，若所述目标文本单元包含的文本字符数量大于或等于2，所述目标文本单元对应的注意力分布向量包括该目标文本单元起始字符对应的起始注意力分布向量和该目标文本单元的结尾字符对应的结尾注意力分布向量；

所述相似度包括不同目标文本单元的起始注意力分布向量间的第一相似度和不同目标文本单元的结尾注意力分布向量间的第二相似度。

根据本公开的一个或多个实施例，提供了一种数据处理方法，在发生重复解码的情况下，所述解码文本中存在重复的目标文本单元；

所述对所述解码文本进行去重处理，包括：

在所述解码文本中，将所述重复的目标文本单元保留为单个的目标文本单元，以得到去重处理的文本。

根据本公开的一个或多个实施例，提供了一种数据处理装置，所述装置包括：

获取模块，用于获取语音识别模型对待识别音频进行处理后输出的解码文本；

确定模块，用于根据所述解码文本，确定所述语音识别模型在得到所述解码文本的过程中是否发生重复解码；

去重模块，用于若确定发生重复解码，对所述解码文本进行去重处理，并将去重处理后得到的文本确定为所述待识别音频对应的文本。

根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开任意实施例所提供的数据处理方法的步骤。

根据本公开的一个或多个实施例，提供了一种电子设备，包括：

存储装置，其上存储有至少一个计算机程序；

至少一个处理装置，用于执行所述存储装置中的所述至少一个计算机程序，以实现本公开任意实施例所提供的数据处理方法的步骤。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。