语音处理方法、装置、电子设备和存储介质

技术领域

本申请实施例涉及计算机技术领域，尤其涉及语音处理方法、装置、电子设备和存储介质。

背景技术

语音识别过程一般是“流式的”，即语音是一段一段送到识别系统中处理的，即使在音频文件转写这样“离线”识别的场景，也是先将音频进行“切片”，然后分片处理，而不会将一整个长音频一下子送入识别系统。语音识别系统在“流式”处理时，可能会遇到阻塞的问题。

实际部署服务时，由于网络传输、计算机系统调度等原因，可能会遇到识别结果获取慢的情况，此时，新的数据流已经准备好，而由于前一次的识别尚未完成，就造成了阻塞。阻塞会影响系统负载均衡，连续长时间的阻塞会严重影响到系统调度，增加系统负载，同时也会延长识别耗时。

发明内容

本申请实施例提出了语音处理方法、装置、电子设备和存储介质。

第一方面，本申请的一些实施例提供了一种语音处理方法，该方法包括：获取语音片段数据流中的待识别语音片段；确定活动队列是否存满；响应于确定出活动队列已存满，将待识别语音片段存入队列池。

在一些实施例中，方法还包括：响应于确定出活动队列未存满，将待识别语音片段存入活动队列。

在一些实施例中，方法还包括：从活动队列中取出待识别语音片段进行语音识别；将识别结果输出到业务调用方。

在一些实施例中，方法还包括：实时确定活动队列是否存满；响应于实时确定出活动队列未存满，将队列池中存储的等待时间最长的待识别语音片段存入活动队列。

第二方面，本申请的一些实施例提供了一种语音处理装置，该装置包括：获取单元，被配置成获取语音片段数据流中的待识别语音片段；第一确定单元，被配置成确定活动队列是否存满；第一存入单元，被配置成响应于确定出活动队列已存满，将待识别语音片段存入队列池。

在一些实施例中，装置还包括：第二存入单元，被配置成响应于确定出活动队列未存满，将待识别语音片段存入活动队列。

在一些实施例中，装置还包括：识别单元，被配置成从活动队列中取出待识别语音片段进行语音识别；输出单元，被配置成将识别结果输出到业务调用方。

在一些实施例中，装置还包括：第二确定单元，被配置成实时确定活动队列是否存满；第三存入单元，被配置成响应于实时确定出活动队列未存满，将队列池中存储的等待时间最长的待识别语音片段存入活动队列。

第三方面，本申请的一些实施例提供了一种设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面上述的方法。

第四方面，本申请的一些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，该程序被处理器执行时实现如第一方面上述的方法。

本申请实施例提供的语音处理方法、装置、电子设备和存储介质，通过获取语音片段数据流中的待识别语音片段；确定活动队列是否存满；响应于确定出活动队列已存满，将待识别语音片段存入队列池，提供了一种消息队列的缓存机制，解决了语音识别系统在流式识别时产生的阻塞问题。

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：

图1是本申请的一些可以应用于其中的示例性系统架构图；

图2是根据本申请的语音处理方法的一个实施例的流程图；

图3是根据本申请的语音处理方法的应用场景的一个示意图；

图4是根据本申请的语音处理装置的一个实施例的结构示意图；

图5是适于用来实现本申请的一些实施例的服务器或终端的计算机系统的结构示意图。

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语音处理方法或语音处理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、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如语音识别类应用、社交类应用、电子商务类应用、搜索类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的应用提供支持的后台服务器，服务器105可以获取语音片段数据流中的待识别语音片段；确定活动队列是否存满；响应于确定出活动队列已存满，将待识别语音片段存入队列池。

需要说明的是，本申请实施例所提供的语音处理方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，语音处理装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，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。

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语音处理方法的一个实施例的流程200。该语音处理方法，包括以下步骤：

步骤201，获取语音片段数据流中的待识别语音片段。

在本实施例中，语音处理方法执行主体(例如图1所示的服务器或终端)可以首先获取语音片段数据流中的待识别语音片段。语音识别过程一般是“流式的”，即语音是分段后送到识别系统中处理的。

步骤202，确定活动队列是否存满。

在本实施例中，上述执行主体可以响应于步骤201中获取到了语音片段数据流中的新的待识别语音片段，确定活动队列是否存满。活动队列可用于存储待识别语音片段。

步骤203，响应于确定出活动队列已存满，将待识别语音片段存入队列池。

在本实施例中，上述执行主体可以响应于步骤202中确定出活动队列已存满，将待识别语音片段存入队列池。活动队列已存满的情况下将待识别语音片段存入队列池，实现了多余待识别语音片段的缓存，避免了系统的阻塞。

在本实施例的一些可选实现方式中，方法还包括：响应于确定出活动队列未存满，将待识别语音片段存入活动队列。在本实现方式中，活动队列未存满，将待识别语音片段存入活动队列，而不是直接将待识别语音片段送入任务处理模块，使得待识别语音片段的处理更加合理有序。

在本实施例的一些可选实现方式中，方法还包括：从活动队列中取出待识别语音片段进行语音识别；将识别结果输出到业务调用方。在本实现方式中，从活动队列中取出待识别语音片段进行语音识别，而不是直接对待识别语音片段进行语音识别，避免了直接识别可能造成的阻塞。

在本实施例的一些可选实现方式中，方法还包括：实时确定活动队列是否存满；响应于实时确定出活动队列未存满，将队列池中存储的等待时间最长的待识别语音片段存入活动队列。在本实现方式中，实时将队列池中存储的等待时间最长的待识别语音片段存入未存满活动队列，使得待识别语音片段的识别更为有序，即较早获取到的待识别语音片段可以较快的被处理。

本申请的上述实施例提供的方法通过获取语音片段数据流中的待识别语音片段；确定活动队列是否存满；响应于确定出活动队列已存满，将待识别语音片段存入队列池，提供了一种消息队列的缓存机制，解决了语音识别系统在流式识别时产生的阻塞问题。

继续参见图3，图3是根据本实施例的语音处理方法的应用场景的一个示意图。在图3的应用场景中，N个ASR(Automatic Speech Recognition，自动语音识别技术)语音片段数据流进入，首先判断Activated Queue活动队列是否已存满。如果Activated Queue未存满，语音片段数据直接存入Activated Queue；如果Activated Queue已存满，语音片段数据转存到Messages Pools队列池。同时，实时取Messages Pools等待时间最长的消息放入到Activated Queue中。Process Model任务处理模块实时从Activated Queue取任务执行，执行后的结果最终输出到业务调用方。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种语音处理装置的一个实施例，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，本实施例的语音处理装置400包括：获取单元401、第一确定单元402、第一存入单元403。其中，获取单元，被配置成获取语音片段数据流中的待识别语音片段；第一确定单元，被配置成确定活动队列是否存满；第一存入单元，被配置成响应于确定出活动队列已存满，将待识别语音片段存入队列池。

在本实施例中，语音处理装置400的获取单元401、第一确定单元402、第一存入单元403的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203。

在本实施例的一些可选实现方式中，装置还包括：第二存入单元，被配置成响应于确定出活动队列未存满，将待识别语音片段存入活动队列。

在本实施例的一些可选实现方式中，装置还包括：识别单元，被配置成从活动队列中取出待识别语音片段进行语音识别；输出单元，被配置成将识别结果输出到业务调用方。

在本实施例的一些可选实现方式中，装置还包括：第二确定单元，被配置成实时确定活动队列是否存满；第三存入单元，被配置成响应于实时确定出活动队列未存满，将队列池中存储的等待时间最长的待识别语音片段存入活动队列。

在本实施例的一些可选实现方式中，装置还包括：第二存入单元，被配置成响应于确定出活动队列未存满，将待识别语音片段存入活动队列。

在本实施例的一些可选实现方式中，装置还包括：识别单元，被配置成从活动队列中取出待识别语音片段进行语音识别；输出单元，被配置成将识别结果输出到业务调用方。

在本实施例的一些可选实现方式中，装置还包括：第二确定单元，被配置成实时确定活动队列是否存满；第三存入单元，被配置成响应于实时确定出活动队列未存满，将队列池中存储的等待时间最长的待识别语音片段存入活动队列。

本申请的上述实施例提供的装置，通过获取语音片段数据流中的待识别语音片段；确定活动队列是否存满；响应于确定出活动队列已存满，将待识别语音片段存入队列池，提供了一种消息队列的缓存机制，解决了语音识别系统在流式识别时产生的阻塞问题。

下面参考图5，其示出了适于用来实现本申请实施例的工控机的计算机系统500的结构示意图。图5示出的工控机仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件可以连接至I/O接口505：包括诸如键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

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部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所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介质或者是上述两者的任意组合。计算机可读介质例如可以是——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。在本申请中，计算机可读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。而在本申请中，计算机可读的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。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

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申请的操作的计算机程序代码，所述程序设计语言包括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，图示了按照本申请各种实施例的系统、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。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一确定单元、第一存入单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“被配置成获取语音片段数据流中的待识别语音片段”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：获取语音片段数据流中的待识别语音片段；确定活动队列是否存满；响应于确定出活动队列已存满，将待识别语音片段存入队列池。

以上描述仅为本申请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，本申请中所涉及的发明范围，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发明构思的情况下，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。例如上述特征与本申请中公开的(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。