语音识别系统、方法、电子设备和计算机可读存储介质与流程

本申请涉及人工智能领域，特别是涉及语音识别系统、方法、电子设备和计算机可读存储介质。

背景技术：

1、随着人工智能的不断发展和应用，人工智能语音识别技术在各个领域都有较大的应用需求。在游戏领域，游戏引擎中缺乏相关的语音识别功能，阻碍了相关应用的开发。

2、现有的游戏引擎中实现语音识别，通常通过接入第三方付费服务器在线实现语音识别，或者接入集成whisper语音识别插件，在本地进行语音识别。第三方付费服务器所需的费用较高，接入whisperwhisper插件存在安装包占用存储空间较大的问题。而且两种方式都存在高时延的问题，不能实现语音识别功能的自定义扩展。

3、现有的游戏引擎中的语音识别方式存在应用效果不佳，不利于用户体验的问题。

技术实现思路

1、本申请实施例提供了一种语音识别系统、方法、电子设备和计算机可读存储介质，以至少解决相关技术中应用效果不佳，不利于用户体验的问题。

2、第一方面，本申请实施例提供了一种语音识别系统，系统包括语音识别模块、游戏引擎模块；

3、所述语音识别模块与所述游戏引擎模块通讯连接，用于对所接收到的目标音频数据进行识别，并将识别结果发送至所述游戏引擎模块；所述语音识别模块是根据预先获取的语音识别模型搭建的本地服务器；

4、所述游戏引擎模块与所述语音识别模块通过websocket网络传输协议进行数据传输，所述游戏引擎模块用于获取原始音频数据，对所述原始音频数据进行处理得到所述目标音频数据，并将所述目标音频数据发送至所述语音识别模块。

5、在一实施例中，所述语音识别模块包括语音识别模型；所述语音识别模型包括主模型和辅助模型；

6、所述主模型用于对所述目标音频数据进行识别；

7、所述辅助模型用于对所述主模型的识别结果进行优化。

8、在一实施例中，所述辅助模型包括多人语音识别模型、标点符号恢复模型、逆文本正则化模型中至少一项。

9、在一实施例中，所述游戏引擎模块包括第一音频获取单元，所述第一音频获取单元用于获取音频文件作为原始音频数据，将所述音频文件转换为目标格式获取目标音频数据，并将所述目标音频数据发送至所述语音识别模块。

10、在一实施例中，所述游戏引擎模块包括第二音频获取单元，所述第二音频获取单元用于调用麦克风的接口，获取语音数据作为原始音频文件，对所述语音数据进行逐帧处理，将处理后的语音数据转换为目标音频数据，并将所述目标音频数据发送至所述语音识别模块。

11、在一实施例中，所述第二音频获取单元被配置为：按照预设时长将所述目标音频数据划分为不同段，依次将每段目标音频数据发送至所述语音识别模块。

12、在一实施例中，所述系统还包括应用模块；

13、所述应用模块用于根据用户操作生成相应的指令，以控制所述游戏引擎模块根据所述指令获取原始音频数据；

14、还用于接收所述语音识别模块发送的所述识别结果，根据所述识别结果进行下一步操作。

15、第二方面，本申请实施例提供了一种语音识别方法，所述方法应用于第一方面所述的语音识别系统，所述方法包括：

16、通过所述语音识别系统中的语音识别模块接收所述语音识别系统中的游戏引擎模块发送的目标音频数据；

17、通过所述语音识别模块对所述目标音频数据进行识别，并将识别结果发送至所述游戏引擎模块；

18、所述语音识别模块与所述游戏引擎模块之间通过websocket网络传输协议进行数据传输。

19、第三方面，本申请实施例提供了一种电子设备，包括：存储器，处理器，以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的语音识别系统。

20、第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面所述的语音识别系统。

21、本申请实施例提供的语音识别系统、方法、电子设备和计算机可读存储介质至少具有以下技术效果。

22、本申请提供的语音识别系统，通过搭建本地服务器作为语音识别模块，对游戏引擎模块所涉及的语音数据进行识别，并且通过websocket网络传输协议实现游戏引擎模块和语音识别模块之间的数据通信。以本地服务器代替第三方付费服务器和语音识别插件，避免了高额费用和安装包体积较大的问题，同时自主搭建的本地服务器可以根据需求部署所需的语音识别模型，以实现语音识别功能的自定义扩展。以websocket技术为基础实现数据通信功能，解决了高时延的问题。以此方式，提高了游戏引擎中语音识别功能的应用效果，有利于提高用户体验。

23、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

技术特征：

1.一种语音识别系统，其特征在于，系统包括语音识别模块、游戏引擎模块；

2.根据权利要求1所述的语音识别系统，其特征在于，所述语音识别模块包括语音识别模型；所述语音识别模型包括主模型和辅助模型；

3.根据权利要求2所述的语音识别系统，其特征在于，所述辅助模型包括多人语音识别模型、标点符号恢复模型、逆文本正则化模型中至少一项。

4.根据权利要求1所述的语音识别系统，其特征在于，所述游戏引擎模块包括第一音频获取单元；

5.根据权利要求1所述的语音识别系统，其特征在于，所述游戏引擎模块包括第二音频获取单元，

6.根据权利要求5所述的语音识别系统，其特征在于，所述第二音频获取单元被配置为：按照预设时长将所述目标音频数据划分为不同段，依次将每段目标音频数据发送至所述语音识别模块。

7.根据权利要求1所述的语音识别系统，其特征在于，所述系统还包括应用模块；

8.一种语音识别方法，其特征在于，所述方法应用于权利要求1～7中任一项所述的语音识别系统，所述方法包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的语音识别系统。

技术总结本申请涉及一种语音识别系统、方法、电子设备和计算机可读存储介质。其中，该语音识别系统包括语音识别模块、游戏引擎模块；所述语音识别模块与所述游戏引擎模块通讯连接，用于对所接收到的目标音频数据进行识别，并将识别结果发送至所述游戏引擎模块；所述语音识别模块是根据预先获取的语音识别模型搭建的本地服务器；所述游戏引擎模块与所述语音识别模块通过Websocket网络传输协议进行数据传输，所述游戏引擎模块用于获取原始音频数据，对所述原始音频数据进行处理得到所述目标音频数据，并将所述目标音频数据发送至所述语音识别模块。技术研发人员：戴恩斌受保护的技术使用者：杭州电魂网络科技股份有限公司技术研发日：技术公布日：2024/4/17