用于识别用户的语音的系统和方法与流程

技术特征：
1.一种由服务器执行的针对输入到设备的语音信号提供文本串的方法，所述方法包括：从所述设备接收从包括在所述设备中的端到端自动语音识别asr模型的编码器得到的编码器输出值；识别与所接收到的编码器输出值相对应的域；从包括在所述服务器中的端到端asr模型的多个解码器中选择与所识别的域相对应的解码器；使用所选择的解码器从所接收到的编码器输出值获取文本串；以及将所获取的文本串提供给所述设备，其中，所述编码器输出值是由所述设备通过对输入到所述设备的所述语音信号进行编码而得到的。2.如权利要求1所述的方法，其中，所述域的所述识别包括基于从所述设备接收的所述编码器输出值或域信息中的至少一个来识别所述域。3.如权利要求1所述的方法，其中，所述多个解码器分别对应于多个域，并且其中，所述解码器的所述选择包括从与所述多个域相对应的所述多个解码器中选择与所识别的域相对应的解码器。4.如权利要求1所述的方法，其中，所述服务器包括与多种类型的端到端asr模型相对应的多个解码器，其中，所述方法还包括：从所述设备接收所述编码器的标识值，以及其中，所述解码器的所述选择包括基于所述编码器的所述标识值来选择与包括在所述设备中的所述编码器相对应的解码器。5.如权利要求1所述的方法，还包括基于所述编码器输出值的置信水平来确定是否将来自所述设备的所述编码器输出值提供给所述服务器。6.如权利要求1所述的方法，其中，所述编码器包括多个堆叠的长短期记忆lstm层，以及所述编码器输出值是从选自所述多个堆叠的lstm层的lstm层得到的。7.如权利要求6所述的方法，其中，所述编码器输出值包括从所选择的lstm层输出的隐藏层向量序列。8.如权利要求7所述的方法，其中，所述域的所述识别包括从所述编码器输出值获取文本并且识别与所述文本相关的域。9.如权利要求1所述的方法，还包括确定是否使用所述服务器的自然语言理解nlu模型来解释所获取的文本串，以及其中，所述文本串的所述提供包括：基于确定将不使用所述服务器的所述nlu模型来解释所述文本串而将所述文本串提供给所述设备。10.如权利要求9所述的方法，还包括：基于确定将要使用所述服务器的所述nlu模型来解释所述文本串，将所述文本串输入到所述服务器的所述nlu模型；以及基于从所述服务器的所述nlu模型输出的数据来为所述设备提供语音助理服务。
11.一种服务器，被配置为针对输入到设备的语音信号提供文本串，所述服务器包括：通信接口，所述通信接口包括通信电路；存储装置，所述存储装置存储包括一个或多个指令的程序；以及处理器，所述处理器被配置为执行存储在所述存储装置中的所述程序的所述一个或多个指令以：从所述设备接收从包括在所述设备中的端到端自动语音识别asr模型的编码器得到的编码器输出值；识别与所接收到的编码器输出值相对应的域；从包括在所述服务器中的端到端asr模型的多个解码器中选择与所识别的域相对应的解码器；使用所选择的解码器从所接收到的编码器输出值获取文本串；以及将所获取的文本串提供给所述设备，其中，所述编码器输出值是由所述设备通过对输入到所述设备的所述语音信号进行编码而得到的。12.如权利要求11所述的服务器，其中，所述处理器还被配置为执行所述一个或多个指令以基于从所述设备接收的所述编码器输出值或域信息中的至少一个来识别所述域。13.如权利要求11所述的服务器，其中，所述多个解码器分别对应于多个域，并且其中，所述处理器还被配置为执行所述一个或多个指令以从与所述多个域相对应的所述多个解码器中选择与所识别的域相对应的解码器。14.如权利要求11所述的服务器，其中，所述多个解码器包括与多种类型的端到端asr模型相对应的多个解码器，其中，所述处理器还被配置为执行所述一个或多个指令以接收所述编码器的标识值并且基于所述编码器的所述标识值来选择与包括在所述设备中的所述编码器相对应的解码器。15.如权利要求11所述的服务器，其中，所述处理器还被配置为执行所述一个或多个指令以基于所述编码器输出值的置信水平来确定是否将来自所述设备的所述编码器输出值提供给所述服务器。

技术总结
提供了一种用于识别用户的语音的系统和方法。一种由服务器执行的针对输入到设备的语音信号提供文本串的方法包括：从设备接收从包括在设备中的端到端自动语音识别(ASR)模型的编码器得到的编码器输出值；识别与接收到的编码器输出值相对应的域；从包括在服务器中的端到端ASR模型的多个解码器中选择与识别的域相对应的解码器；使用所选择的解码器从接收到的编码器输出值获取文本串；以及将获取的文本串提供给设备。提供给设备。提供给设备。


技术研发人员：金灿佑 达南加亚
受保护的技术使用者：三星电子株式会社
技术研发日：2020.08.10
技术公布日：2022/3/18