确定显示的识别文本的方法、装置、设备以及存储介质

技术领域

本申请涉及计算机技术领域，具体涉及语音识别、自然语言处理等人工智能技术领域，尤其涉及确定显示的识别文本的方法、装置、设备以及存储介质。

背景技术

车机指的是安装在汽车里面的车载信息娱乐产品的简称，车机在功能上能够实现人与车，车与外界(车与车)的信息通讯。

车机在对用户录音数据进行语音识别处理时，一次语音识别要么只能使用在线语音识别服务器进行在线识别，要么只能使用本地语音识别模型进行离线识别。有些车机在录音数据处理、传输及视频帧刷新时存在明显延迟。一般而言，录音数据处理延迟可达500～1000ms，而视频帧刷新延迟可达200～300ms。

发明内容

本申请实施例提供了确定显示的识别文本的方法、装置、设备以及存储介质。

第一方面，本申请实施例提供了确定显示的识别文本的方法，包括：根据采集的用户录音数据流，确定待识别数据流；对所述待识别数据流进行本地识别，得到离线识别文本；对所述待识别数据流进行在线识别，得到在线识别文本；基于所述在线识别文本与所述离线识别文本的比对结果，确定所述在线识别文本与所述离线识别文本中优于表征用户意图的识别文本为显示的识别文本。

第二方面，本申请实施例提供了确定显示的识别文本的装置，包括：待识别数据流确定模块，被配置为根据采集的用户录音数据流，确定待识别数据流；离线识别模块，被配置为对所述待识别数据流进行本地识别，得到离线识别文本；在线识别模块，被配置为对所述待识别数据流进行在线识别，得到在线识别文本；显示的识别文本确定模块，被配置为基于所述在线识别文本与所述离线识别文本的比对结果，确定所述在线识别文本与所述离线识别文本中优于表征用户意图的识别文本为显示的识别文本。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

本申请实施例提供的确定显示的识别文本的方法、装置、设备以及存储介质，首先根据采集的用户录音数据流，确定待识别数据流；之后对所述待识别数据流进行本地识别，得到离线识别文本；而后对所述待识别数据流进行在线识别，得到在线识别文本；最后基于所述在线识别文本与所述离线识别文本的比对结果，确定所述在线识别文本与所述离线识别文本中优于表征用户意图的识别文本为显示的识别文本，通过采用在线识别与离线识别并行的方案，既充分发挥了离线识别的速度，又兼有在线识别的准确度，从而既解决了识别文本上屏慢的问题，又能保证识别效果。

应当理解，本部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

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的确定显示的识别文本的方法的一个实施例的流程示意图；

图3是根据本申请的确定显示的识别文本的方法的另一个实施例的流程示意图；

图4是本申请的确定显示的识别文本的装置的一个实施例的结构示意图；

图5是用来实现本申请实施例的确定显示的识别文本的方法的电子设备的框图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的确定显示的识别文本的方法或确定显示的识别文本的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、网络102、服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101可以通过网络102与服务器103交互。终端设备101中可以提供用户录音数据流、离线识别文本等，包括但不限于车机等等。

服务器103可以提供各种服务，例如服务器103可以对从终端设备101获取到的用户录音数据流、离线识别文本等数据进行分析等处理，生成处理结果(例如确定显示的识别文本)。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的确定显示的识别文本的方法一般由服务器103执行，相应地，确定显示的识别文本的装置一般设置于服务器103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的确定显示的识别文本的方法的一个实施例的流程200。该方法包括以下步骤：

步骤201，根据采集的用户录音数据流，确定待识别数据流。

在本实施例中，图1所示的终端设备101可以根据采集的用户录音数据流，确定待识别数据流。

其中，用户在麦克风监听区域说话，麦克风监听到用户的语音并生成用户录音数据流，然后通过链路传递录音数据流给终端设备101。终端设备101中包含前端处理模块，用于在特征提取之前，对用户录音数据流进行前端处理，使处理后的数据更能反映用户语音的本质特征。

其中，前端处理包括但不限于端点检测。端点检测是指在户录音数据流中将语音和非语音信号时段区分开来，准确地确定出语音信号的起始点。经过端点检测后，后续处理就可以只对语音信号进行。

其中，待识别数据流可以是经前端处理后的语音信号。

步骤202，对待识别数据流进行本地识别，得到离线识别文本。

在本实施例中，图1所示的终端设备101可以对待识别数据流进行本地识别，得到离线识别文本。

其中，可以将待识别数据流发送至本地识别引擎进行本地识别。然后依靠本地语音模型，对待识别数据流进行识别，从而得到离线识别文本。离线识别的准确率依赖于本地语音模型的准确率。其中，语言模型是使用大量的文本训练出来的，可以利用某门语言本身的统计规律来帮助提升识别正确率。

其中，在对待识别数据流进行本地识别并得到离线识别文本后，可以通过网络102将离线识别文本发送至服务器103中。

步骤203，对待识别数据流进行在线识别，得到在线识别文本。

在本实施例中，确定显示的识别文本的方法的执行主体(例如图1中的服务器103)可以对待识别数据流进行在线识别，得到在线识别文本。

其中，上述执行主体接收到终端设备101上传的待识别数据流后，可以将待识别数据流传递给在线识别引擎进行在线识别。然后依靠在线语音模型，对待识别数据流进行识别，从而得到在线识别文本。其中，在线语音模型可以包括声学模型和语言模型。声学模型通常使用隐马尔科夫模型(Hidden Markov Model，HMM)。声学模型包括了BLSTM和深层的CNN，对不同的声学模型进行融合也有助于提高识别率，比如将BLSTM和深层CNN的输出层进行融合。语言模型包括LSTM、RNN、n-gram(其中，n为正整数)。

步骤204，基于在线识别文本与离线识别文本的比对结果，确定在线识别文本与离线识别文本中优于表征用户意图的识别文本为显示的识别文本。

在本实施例中，上述执行主体可以基于在线识别文本与离线识别文本的比对结果，确定在线识别文本与离线识别文本中优于表征用户意图的识别文本为显示的识别文本。

由于本申请实施例采用了离线识别和在线识别并行的运行模式，同一时刻，上述执行主体中可能会有两路识别文本：在线识别的文本和离线识别文本。基于此，上述执行主体可以对在线识别的文本和离线识别文本进行仲裁，确定出哪一种路的识别文本更适宜在显示设备上显示，以使用户获得更好的体验。具体地，可以在上述执行主体中设置仲裁机构，并将离线识别和在线识别两路的识别文本返回到仲裁机构中，然后由仲裁机构基于预设的仲裁规则进行判断，最终选择某一路的识别文本作为在显示设备上显示的识别文本。

其中，仲裁规则为：在两路识别文本的语音识别准确率均达到准确率阈值时，识别文本的上屏(即在显示设备上呈现)速度优先；否则，识别文本的准确率优先(即优先呈现语音识别准确率较高的识别文本)。

其中，仲裁规则可以包括基于在线识别文本与离线识别文本的比对结果，确定在线识别文本与离线识别文本中优于表征用户意图的识别文本为显示的识别文本。例如，若在线识别文本和离线识别文本的相似度为100％，那么将离线识别文本确定为表征用户意图的识别文本。再例如，若在线识别文本和离线识别文本的相似度为0％，那么将在线识别文本确定为表征用户意图的识别文本。

本申请上述实施例提供的确定显示的识别文本的方法，打破了语音识别融合时，某一次识别时要么只能使用在线识别，要么只能使用离线识别，而不能同时并行使用在线识别和离线识别的方式。通过采用在线识别与离线识别并行的方案，既充分发挥了离线识别的速度，又兼有在线识别的准确度，从而既解决了识别文本上屏慢的问题，又能保证识别效果。

在本实施例的一些可选的实现方式中，上述步骤202还包括：在显示设备上呈现所述离线识别文本，上述步骤204包括：响应于离线识别文本包含在线识别文本，维持显示设备上显示的离线识别文本；响应于离线识别文本不包含在线识别文本，将显示设备上显示的离线识别文本更换为所述在线识别文本。

其中，显示设备可以集成到终端设备101上。其中，上述执行主体确定出显示的识别文本后，可以将其输出到终端设备101上的显示设备予以呈现。若上述执行主体确定显示的识别文本为离线识别文本，那么可以维持显示设备上已经呈现的离线识别文本；若上述执行主体确定显示的识别文本为在线识别文本，那么可以将显示设备上呈现的离线识别文本更换为在线识别文本。

其中，离线识别文本包含在线识别文本可以是在线识别文本与离线识别文本相同，也可以是在线识别文本为离线识别文本的某个词语或段落。例如，在线识别文本为“播放音乐”，离线识别文本为“我想用手机播放音乐”。值得一提的是，离线识别文本包含在线识别文本还可以是在线识别文本中的字或词散落地分布在离线识别文本中，例如，在线识别文本为“播放音乐”，离线识别文本为“我想用手机播放动感音乐”。

一般而言，在线识别文本的语音识别准确率均高于准确率阈值，若离线识别文本包含在线识别文本，那么离线识别文本的准确率也高于准确率阈值。因此，基于仲裁规则中的“在两路识别文本的语音识别准确率均达到准确率阈值时，识别文本的上屏(即在显示设备上呈现)速度优先”，可以选择在显示设备上能够较快呈现的识别文本作为显示的识别文本。由于执行上述步骤202后，显示设备上已经呈现了离线识别文本，由此维持显示设备上显示的离线识别文本即可。

可选地，离线识别文本包含在线识别文本可以是：在线识别文本为离线识别文本的某个词语或段落，并且在线识别文本的长度小于或等于离线识别文本的长度。

在本实施例的一些可选的实现方式中，上述步骤204包括：响应于离线识别文本与在线识别文本的相似度小于预定阈值，确定在线识别文本为显示的识别文本；响应于所述离线识别文本与所述在线识别文本的相似度大于或等于预定阈值，确定所述离线识别文本为显示的识别文本。

一般而言，在线识别文本的语音识别准确率均高于准确率阈值。通过判断离线识别文本与在线识别文本的相似度就可以判断离线识别文件的语音识别准确率是否高于准确率阈值。其中，可以为离线识别文本与在线识别文本的相似度预先设定一个阈值，该相似度阈值用于表征离线识别文本的语音识别准确率是否高于准确率阈值。例如，假设准确率阈值为90％，默认在线识别文本的语音识别准确率为100％，那么可以将离线识别文本与在线识别文本的相似度阈值设定为90％。

其中，若离线识别文本与在线识别文本的相似度小于预定阈值的，离线识别文本的准确率未达到准确率阈值。根据上述仲裁规则，识别文本的准确率优先，即优先呈现语音识别准确率较高的识别文本—在线识别文本。若离线识别文本与在线识别文本的相似度大于或等于预定阈值的，离线识别文本的准确率已经达到准确率阈值。根据上述仲裁规则，识别文本的速度优先，即优先呈现上屏速度较快的识别文本—离线识别文本。

进一步参考图3，其示出了确定显示的识别文本的方法的一个实施例的流程图，该方法包括如下步骤：

步骤301，根据采集的用户录音数据流，确定待识别数据流。

步骤302，对待识别数据流进行本地识别，得到离线识别文本，并在显示设备上呈现所述离线识别文本。

步骤303，对待识别数据流进行在线识别，得到在线识别文本。

步骤304，基于在线识别文本与离线识别文本的比对结果，确定在线识别文本与离线识别文本中优于表征用户意图的识别文本为显示的识别文本。

步骤305，响应于在线识别文本未返回，维持显示设备上显示的离线识别文本。

在本实施例中，图1所示的终端设备101可以响应于在线识别文本未返回，维持显示设备上显示的离线识别文本。

其中，在线识别文本未返回可能是由网络环境较差、断网、在线语音识别服务器故障等异常原因导致的。因异常原因导致的在线识别文本未返回的，则将已经显示的离线识别文本确定为显示的识别文本，从而提供了一种异常处理机制。

在本实施例的一些可选的实现方式中，上述步骤201包括：对所述采集的录音数据流进行预处理，得到待识别数据流。

其中，预处理包括降噪、回声消除、混响消除。其中，降噪的流程为：稳定背景噪音频谱特征，在某一或几个频谱处幅度非常稳定，假设开始一小段背景是背景噪音，从起始背景噪音开始进行分组、Fourier变换，对这些分组求平均得到噪声的频谱。降噪过程是将含噪语音反向补偿之后得到降噪后的语音。

其中，回声消除包括双讲检测和延时估计，对于智能终端的回声消除模块，通过判断当前的模式(近讲模式、远讲模式、双讲模式)采用不同的策略对滤波器w1和w2进行更新，进而滤除远端干扰，在此基础上通过后置滤波算法消除残留噪声的干扰。一般分为有声回波和混合回波两种类型。在语音通话中由于语音压缩技术和包处理延迟会产生回波，通常需要回波消除以提高通话质量的过程。回波消除器监测接收路径上从远端来的话音，计算出回波的估值，然后在发送路径上减去这个估值，于是回波被去除了只有近端的话音被发送到远端。

其中，在声学上,延迟时间达到约50ms以上的反射波称为回声,其余的反射波产生的效应称为混响，分为早期混响和晚期混响，由于早期混响成分有助于提高语音的可懂度所以在语音去混响任务中，更多的关注于对晚期混响的抑制。混响消除方法主要包括以下四类：基于波束形成方法、基于逆滤波方法、基于语音增强方法、基于深度学习方法。

通过对采集的录音数据流进行预处理，可以提高语音识别的准确率。

在本实施例的一些可选的实现方式中，离线识别文本的长度小于等于预设阈值。例如限制离线识别文本最长返回12个字，从而保证离线识别文本的上屏速度。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种确定显示的识别文本的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的确定显示的识别文本的装置400可以包括：待识别数据流确定模块401、离线识别模块402、在线识别模块403、显示的识别文本确定模块404。其中，待识别数据流确定模块401，被配置为根据采集的用户录音数据流，确定待识别数据流；离线识别模块402，被配置为对所述待识别数据流进行本地识别，得到离线识别文本；在线识别模块403，被配置为对所述待识别数据流进行在线识别，得到在线识别文本；显示的识别文本确定模块404，被配置为基于所述在线识别文本与所述离线识别文本的比对结果，确定所述在线识别文本与所述离线识别文本中优于表征用户意图的识别文本为显示的识别文本。

在本实施例中，确定显示的识别文本的装置400中：待识别数据流确定模块401、离线识别模块402、在线识别模块403、显示的识别文本确定模块404的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-205的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，所述离线识别模块还包括：显示模块，被配置为在显示设备上呈现所述离线识别文本；所述显示的识别文本确定模块进一步被配置成：响应于所述离线识别文本包含所述在线识别文本，维持显示设备上显示的离线识别文本。

在本实施例的一些可选的实现方式中，所述显示的识别文本确定模块进一步被配置成：响应于所述离线识别文本不包含所述在线识别文本，将显示设备上显示的离线识别文本更换为所述在线识别文本。

在本实施例的一些可选的实现方式中，所述显示的识别文本确定模块进一步被配置成：响应于所述离线识别文本与所述在线识别文本的相似度小于预定阈值，确定所述在线识别文本为显示的识别文本。

在本实施例的一些可选的实现方式中，所述显示的识别文本确定模块进一步被配置成：响应于所述离线识别文本与所述在线识别文本的相似度大于或等于预定阈值，确定所述离线识别文本为显示的识别文本。在本实施例的一些可选的实现方式中，所述在线识别文本的长度小于或等于所述离线识别文本的长度。

在本实施例的一些可选的实现方式中，所述装置还包括：异常处理模块，被配置为响应于所述在线识别文本未返回，维持显示设备上显示的离线识别文本。

在本实施例的一些可选的实现方式中，所述待识别数据流确定模块进一步被配置成：对所述采集的录音数据流进行预处理，得到待识别数据流。

在本实施例的一些可选的实现方式中，所述预处理包括如下任意一项：降噪、回声消除、混响消除。

在本实施例的一些可选的实现方式中，所述离线识别文本的长度小于等于预设阈值。

如图5所示，是根据本申请实施例确定显示的识别文本的方法的电子设备的框图。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/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的确定显示的识别文本的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的确定显示的识别文本的方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的确定显示的识别文本的方法对应的程序指令/模块(例如，附图4所示的待识别数据流确定模块401、离线识别模块402、在线识别模块403、显示的识别文本确定模块404)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的确定显示的识别文本的方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据确定显示的识别文本的方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至确定显示的识别文本的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

确定显示的识别文本的方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与确定显示的识别文本的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

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、专用ASIC(专用集成电路)、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。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

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。

根据本申请的技术方案，首先根据采集的用户录音数据流，确定待识别数据流；之后对所述待识别数据流进行本地识别，得到离线识别文本；而后对所述待识别数据流进行在线识别，得到在线识别文本；最后基于所述在线识别文本与所述离线识别文本的比对结果，确定所述在线识别文本与所述离线识别文本中优于表征用户意图的识别文本为显示的识别文本，通过采用在线识别与离线识别并行的方案，既充分发挥了离线识别的速度，又兼有在线识别的准确度，从而既解决了识别文本上屏慢的问题，又能保证识别效果。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。