1.本发明涉及语音识别技术领域，特别涉及一种语音识别方法以及系统。


背景技术：

2.自然语言对话系统依托于人工智能技术，模拟人与人之间的自然对话方式，成为一种新型的人机交互方式广泛应用于终端设备，例如，智能电视、智能手机、智能音箱、智能机器人等。自然语音对话系统的实现主要依赖于人工训练的机器学习模型，例如，语音转文字模型(asr)、自然语言理解模型(nlp)以及文本转语音模型(tts)等。然而，现有终端设备利用均是研发人员预先训练的默认的机器学习模型，而面对各用户时，经常会出现语音无法理解或者理解错误，例如，用户发音不标准或采用方言表达时，会导致自然语言对话系统无法正常执行，从而不能满足用户真正的意图。


技术实现要素：

3.本发明要解决的技术问题在于，针对现有技术的不足，提供一种语音识别方法以及系统。
4.为了解决上述技术问题，本发明所采用的技术方案如下：
5.一种语音识别方法，所述方法包括：
6.获取待识别的语音信息的声纹信息；
7.基于所述声纹信息确定所述语音信息对应的个性语音转文字模型，其中，所述个性语音转文字模型为基于所述声纹信息对应的语音数据训练得到的；
8.基于所述个性语音转文字模型，确定所述语音信息对应的文字信息。
9.所述语音识别方法，其中，所述获取待识别的语音信息的声纹信息之前，所述方法包括：
10.获取所述声纹信息对应的个性训练样本，其中，个性训练样本包括若干个性训练语音组，若干个性训练语音组中每一个性语音组均包括训练语音数据、该训练语音数据对应的真实文字信息，以及该真实文字信息对应的真实置信度；各个性训练语音组中的各训练语音数据对应的声纹信息相同；
11.基于所述个性训练样本对预设网络模型进行训练，以得到所述个性语音转文字模型。
12.所述语音识别方法，其中，所述基于所述声纹信息确定所述语音信息对应的个性语音转文字模型具体包括：
13.检测所述声纹信息对应的个性语音转文字模型；
14.若检测到所述声纹信息对应的个性语音转文字模型，执行基于所述个性语音转文字模型，确定所述语音信息对应的文字信息的步骤；
15.若未检测到所述声纹信息对应的个性语音转文字模型，将默认语音转文字模型作为该语音信息对应的语音转文字模型。
16.所述语音识别方法，其中，所述基于所述个性语音转文字模型，确定所述语音信息对应的文字信息具体包括：
17.将所述语音信息输入所述个性语音转换模块，通过所述个性语音转文字模型输入所述语音信息对应的参考文字信息；
18.当所述参考文字信息的置信度小于预设置信度阈值时，将所述语音信息输入预设的默认语音转换模块，通过所述默认语音转文字模型确定所述语音信息对应的目标文字信息；
19.将所述目标文字信息作为所述语音信息对应的文字信息。
20.所述语音识别方法，其中，所述通过所述个性语音转文字模型输入所述语音信息对应的文字信息包括：
21.当所述参考文字信息的置信度大于或等于预设置信度阈值时，将所述参考文字信息作为所述语音信息对应的文字信息。
22.所述语音识别方法，其中，所述默认语音转文字模型布置于服务端上，所述默认语音转文字模型用于将各声纹信息对应的语音信息的转换为文字信息。
23.所述语音识别方法，其中，所述个性语音转文字模型布置于终端设备上，所述终端设备为用于执行获取待识别的语音信息的声纹信息的终端设备。
24.所述语音识别方法，其中，所述基于所述个性语音转文字模型，确定所述语音信息对应的文字信息之后，所述方法还包括：
25.基于所述文字信息确定所述语音信息对应的应答语音，并播放所述应答语音，以使得所述语音信息对应的用户获取到所述应答信息。
26.一种语音识别系统，所述语音识别系统包括终端设备以及服务端；所述终端设备部署有个性语音转文字模型，所述服务端部署有默认语音转文字模型；
27.所述终端设备为用于执行获取待识别的语音信息的声纹信息的终端设备；基于所述声纹信息确定所述语音信息对应的个性语音转文字模型，其中，所述个性语音转文字模型为基于所述声纹信息对应的语音数据训练得到的；基于所述个性语音转文字模型确定所述语音信息对应的文字信息；
28.所述服务端用于当所述文字信息的置信度小于预设置信度阈值时，通过默认语音转文字模型确定所述语音信息对应的目标文字信息，并将所述目标文字信息作为所述语音信息对应的文字信息。
29.一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的语音识别方法中的步骤。
30.一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
31.所述通信总线实现处理器和存储器之间的连接通信；
32.所述处理器执行所述计算机可读程序时实现如上任一所述的语音识别方法中的步骤。
33.有益效果：与现有技术相比，本发明提供了一种语音识别方法，所述方法包括：获取待识别的语音信息的声纹信息；基于所述声纹信息确定所述语音信息对应的个性语音转
文字模型，其中，所述个性语音转文字模型为基于所述声纹信息对应的语音数据训练得到的；基于所述个性语音转文字模型，确定所述语音信息对应的文字信息。本发明中使用的个性语音转文字模型用于训练的语音数据的声纹信息与获取到的语音信息的声纹信息相同，那么获取到的语音信息的语音表达方式与该个性语音转文字模型所采用的语音数据的语音表达方式相同，从而通过该个性语音转换模块可以提高对该语音信息识别的准确性，进而可以更好的获知用户的意图，给用户的使用带来方便。
附图说明
34.图1为本发明提供的语音识别方法的流程图。
35.图2为本发明提供的语音识别系统的结构原理图。
36.图3为本发明提供的终端设备的结构原理图。
具体实施方式
37.本发明提供一种语音识别方法以及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
38.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
39.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
40.发明人经过研究发现，目前终端设备(智能电视、智能手机、智能音箱、智能机器人等)普遍采用自然语音对话系统来进行语音交互，并且各终端设备采用的自然语音对话系统所采用的语音转文字模型均是服务端默认配置的默认语音转文字模型。然而，各终端设备面对的用户互不相同，并且各用户的语音表达方式也不同相同(，例如，部分用于采用方言、部分用户发音不准确等)，这使得语音转文字模型经常会出现语音无法理解或者理解错误，会导致自然语言对话系统无法正常执行，从而不能满足用户真正的意图。
41.为了解决上述问题，在本发明实施例中，在获取待识别的语音信息时，获取该语音信息的声纹信息；并采用该声纹信息对应的个性语音转文字模型确定所述语音信息对应的文字信息。所述个性语音转文字模型为基于所述声纹信息对应的语音数据训练得到的，那么获取到的语音信息的语音表达方式与该个性语音转文字模型所采用的语音数据的语音表达方式相同，从而通过该个性语音转换模块可以提高对该语音信息识别的准确性，进而
可以更好的获知用户的意图，给用户的使用带来方便。
42.举例说明，本发明实施例可以应用到终端设备，终端设备可以接收语音信息，并获取语音信息的声纹信息，并基于所述声纹信息确定所述语音信息对应的个性语音转文字模型；基于所述个性语音转文字模型，确定所述语音信息对应的文字信息。
43.可以理解的是，在上述应用场景中，虽然将本发明实施方式的动作描述为全部由终端设备执行，但是这些动作也可以部分有终端设备，部分有该终端设备连接的服务器1，例如，终端设备接收语音信息，将该语音信息发送至服务器，服务器响应终端设备发送的语音信息，并获取该语音信息的声纹信息，确定所述语音信息对应的个性语音转文字模型；基于所述个性语音转文字模型，确定所述语音信息对应的文字信息。可以理解的是，本发明在执行主体方面不受限制，只要执行了本发明实施方式所公开的动作即可。
44.需要注意的是，上述应用场景仅是为了便于理解本发明而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。
45.下面结合附图，通过对实施例的描述，对发明内容作进一步说明。
46.本实施提供了一种语音识别方法，如图1所示，所述方法包括：
47.s10、获取待识别的语音信息的声纹信息。
48.具体地，所述待识别的语音信息可以是用户输入的语音信息(例如，用过拾音器拾取的语音信息)，也可以是外部设备发送的语音信息，还可以是网络(例如，百度等)下载的语音信息。所述声纹信息为该语音信息对应的声波频谱，并且每个用户对应的声纹信息不同。由此，在获取到语音信息后，并将声纹信息作为该待识别的语音信息的标识信息，以便于后续可以基于该标识信息来确定该语音信息对应的个性语音转文字模型。
49.进一步，在获取到待识别的语音信息后，可以通过传统算法获取该语音信息对应的声纹信息，例如，隐式马尔可夫模型(hmm)方法:通常使用单状态的hmm，或高斯混合模型(gmm)等；也可以采用深度学习网络模型获取该语音信息对应的声纹信息，该深度学习网络模型可以是基于预设训练样本集训练得到的，所述预设训练样本集包括若干语音信息组，每组语音信息组包括语音信息以及语音信息对应的真实声纹信息。当然，在实际应用中，可以将识别语音信息的声纹信息作为一个功能模块，当获取到待识别的语音信息后，通过该功能模块输出该语音信息对应的声纹信息。
50.s20、基于所述声纹信息确定所述语音信息对应的个性语音转文字模型。
51.具体地，所述个性语音转文字模型为基于所述声纹信息对应的语音数据训练得到的，并且该个性语音转文字模型与所述声纹信息相对应，用于将该声纹信息对应的语音信息转换为文字信息。可以理解的是，所述语音数据为所述声纹信息对应的用户形成的语音数据，例如，该声纹信息对应的用户说的一段语音。此外，对于不同的声纹信息，不同声纹信息对应的个性语音转文字模型不同，例如，对于声纹信息a和声纹信息b，所述声纹信息a和声纹信息b不相同，个性语音转文字模型a为基于声纹信息a对应的语音数据训练得，其中，声纹信息a对应的语音数据为声纹信息a对应的用户a形成的语音数据，例如，用户a录制的一段语音等。那么，当获取到声纹信息为声纹信息a的语音信息a时，可以将该个性语音转文字模型a作为语音信息a对应的个性语音转文字模型；而当获取到声纹信息为声纹信息b的语音信息b时，则不能将个性语音转文字模型a作为语音信息b对应的个性语音转文字模型。
52.进一步，所述个性语音转文字模型可以是配置于终端设备，也可以配置于终端设
备连接的服务端，其中，终端设备为用于执行该语音识别方法的终端设备，例如，可以是智能手机、平板电脑等。当终端设备配置该个性语音转文字模型时，终端设备可以执行基于所述声纹信息确定所述语音信息对应的个性语音转文字模型的操作；当该个性语音转文字模型配置与服务端时，终端设备将语音信息以及语音信息对应的声纹信息发送至服务端，通过服务端基于该声纹信息对应的个性语音转文字模型，并基于确定得到的个性语音转文字模型识别该语音信息对应的文字信息。在本实施例的一个实现中，该个性语音转文字模型配置于终端设备，这样终端设备不需要与服务端进行通讯，减少了通讯造成的时间延时，提高了语音识别的及时性；同时，在不联网的情况也可以对语音信息进行识别，提高了语音信息提高的成功率。
53.进一步，所述个性语音转文字模型为预先经过训练的网络模型，该个性语音转文字模型的训练过程可以由终端设备执行的，也可以由终端设备连接的服务端。当该个性语音转文字模型由终端设备连接的服务端训练时，服务端训练得到该个性语音转文字模型后，将该个性语音转文字模型部署与该个性语音转文字模型对应的终端设备上，其中，所述个性语音转文字模型对应的终端设备可以为向服务端发送个性语音转文字模型对应的个性训练样本的终端设备，也可以为对应的声纹信息与个性语音转文字模型对应的声纹信息相同的终端设备。
54.进一步，在本实施例的一个实现方式中，所述个性语音转文字模型的训练过程可以为：
55.h10、获取所述声纹信息对应的个性训练样本；
56.h20、基于所述个性训练样本对预设网络模型进行训练，以得到所述个性语音转文字模型。
57.具体地，在所述步骤h10中，所述个性训练样本包括若干个性训练语音组，每个个性训练语音组均与所述声纹信息相对应，其中，若干个性训练语音组中每一个性语音组均包括训练语音数据、该训练语音数据对应的真实文字信息，以及该真实文字信息对应的真实置信度，其中，各个性训练语音组中的各训练语音数据对应的声纹信息相同，并且各训练语音数据的语音内容互不相同。例如，个性训练样本包括训练语音数据a和训练语音数据b，那么练语音数据a对应的声纹信息和训练语音数据b对应的声纹信息相同，而练语音数据a包含的语音内容和训练语音数据b包含的语音内容不同，如，练语音数据a包含的语音内容为“苹果”，训练语音数据b包含的语音内容为“香蕉”等。
58.进一步，所述真实文字信息为所述训练语音数据包含的语音内容对应的文字表达；例如，训练语音信息数据包括的语音内容为“苹果”对应的语音，真实文字信息为“苹果”。所述真实置信度为所述语音数据对应的真实文字信息的可信程度，并且真实置信度越高，真实文字信息的可信程度越高；反之，真实置信度越低，真实文字信息的可信程度越低。在本实施例的一个实现方式中，所述真实置信度可以为1。
59.进一步，所述个性训练样本可以是根据终端设备接收的用户输入的语音信息生成的。所述个性训练样本的生成过程可以包括：首先，当建立个性训练样本的控制指令时，响应该控制指令建立数据集，其中，该数据集用于存储该个性训练样本中的每组个性语音组；其次，接收输入的第一语音信息，并获取该第一语音信息对应的声纹信息，将所述声纹信息与所述数据集相关联，以将所述声纹信息作为该数据集的标识；再次，接收第一语音信息对
应的真实文字信息以及真实置信度，以形成一组个性语音组；最后，继续接收输入的第二语音信息、第二语音信息对应的真实文字信息以及真实置信度，直至获取到预设数量的个性语音组。其中，所述预设数量为预先设置的，例如，1000等。当然，值得说明的是，在获取到每个语音信息时，需要确定语音信息对应的声纹信息与数据集对应的声纹信息是否相同，若相同，则接收该语音信息以及该语音信息对应的真实文字信息以及真实置信度，以形成一组个性语音组；若不相同，则提示语音输入错误并丢弃该语音信息。当然，在实际应用中，当不相同次数达到预设次数时，停止个性训练样本的生成操作。
60.进一步，在本实施例的一个实现方式中，所述个性训练样本可以分多次生成，对于每次生成过程，在获取到第一个语音信息时，可以判断是否存在该语音信息的声纹信息对应的数据集，若存在，则将该语音信息、语音信息对应的真实文字信息以及真实置信度存入该数据集；若未存在则为该语音信息创建数据集，并将该语音信息、语音信息对应的真实文字信息以及真实置信度存入创建得到的数据集。
61.进一步，在所述步骤h20中，基于所述个性训练样本对预设网络模型进行训练具体包括：将个性训练样本中的个性语音组内的训练语音数据输入预设网络模型，通过预设网络模型输入该训练语音数据对应的生成文字信息，以及该生成文字信息对应的生成置信度；根据真实文字信息、真实置信度、生成文字信息以及生成置信度对所述预设网络模型的网络参数进行修正；并继续执行将个性训练样本中的下一个性语音组内的训练语音数据输入预设网络模型的步骤，直至所述预设网络模型满足预设条件，以得到所述个性语音转文字模型。
62.进一步，所述预设网络模型为深度学习网络模型，所述生成文字信息为训练语音数据通过该预设网络模型识别到的语音内容对应的文字信息；所述生成置信度为生成文字信息的可信程度，并且生成置信度越高，生成文字信息的可信程度越高；反之，生成置信度越低，生成文字信息的可信程度越低。在本实施例的一个实现方式中，所述生成置信度的取值范围0-1，并且生成置信度的取值越大，说明生成文字信息的可信程度越高；反之，生成置信度的取值越小，说明生成文字信息的可信程度越低。例如，生成置信度为0.9时，生成文字信息的可信程度高于生成置信度为0.1时生成文字信息的可信程度。
63.进一步，所述预设条件包括损失函数值满足预设要求或者训练次数达到预设次数。所述预设要求可以是根据预设网络模型的精度来确定，这里不做详细说明，所述预设次数可以为初始网络模型的最大训练次数，例如，2000次等。由此，在预设网络模型输出生成文字信息以及生成置信度后，根据真实文字信息、真实置信度、生成文字信息以及生成置信度来计算预设网络模型的损失函数值，在计算得到损失函数值后，判断所述损失函数值是否满足预设要求；若损失函数值满足预设要求，则结束训练；若损失函数值不满足预设要求，则判断所述预设网络模型的训练次数是否达到预测次数，若未达到预设次数，则根据所述损失函数值对所述预设网络模型的网络参数进行修正；若达到预设次数，则结束训练。这样通过损失函数值和训练次数来判断预设网络模型训练是否结束，可以避免因损失函数值无法达到预设要求而造成预设网络模型的训练进入死循环。
64.进一步，在本实施例的一个实现方式中，所述基于所述声纹信息确定所述语音信息对应的个性语音转文字模型具体包括：
65.s21、检测所述声纹信息对应的个性语音转文字模型；
66.s22、若检测到所述声纹信息对应的个性语音转文字模型，执行基于所述个性语音转文字模型，确定所述语音信息对应的文字信息的步骤；
67.s23、若未检测到所述声纹信息对应的个性语音转文字模型，将默认语音转文字模型作为该语音信息对应的语音转文字模型。
68.具体地，所述检测所述声纹信息对应的个性语音转文字模型可以理解为基于所述声纹信息确定终端设备自身和/或终端设备连接的服务端是否部署该声纹信息对应的个性语音转文字模型；当部署该个性语音转文字模型时，说明可以基于个性语音转文件模块进行语音识别，从而将该个性语音转文字模型作为语音信息对应的语音转文字模型；当未部署该个性语音转文字模型时，说明不可以基于个性语音转文件模块进行语音识别则将默认语音转文字模型作为该语音信息对应的语音转文字模型。其中，所述默认语音转文字模型为配置于服务端，用于执行所有语音信息转换为文字信息的语音转文字模型，所述默认语音转文字模型可以基于采用普通话形成的语音数据样本集训练得到的，其中，所述语音数据样本集包括若干语音数据样本以及各语音数据样本对应的文字信息，所述语音数据样本为采用普通话形式的语音数据样本，这里记为普遍话语音数据样本。所述默认语音转文字模型的训练过程可以为：将普通话语音数据样本输入默认语音转文字模型，通过默认语音转文字模型输出普遍语音数据样本对应的预测文字信息，基于所述预测文字信息以及普遍语音数据样本对应的文字信息对默认语音转文字模型进行训练，以得到经过训练的默认语音转文字模型。在默认语音转文字模型训练完成后，将默认语音转文字模型配置于服务器，用于执行所有语音信息转换为文字信息的语音转文字模型。
69.进一步，由于默认语音转文字模型的训练过程可以知道，默认语音转文字模型在训练过程中的输入项为普遍语音数据样本，输出项为预测文字信息；而默认语音转文字模型在使用过程中的输入项为语音数据，输出项为文字信息，其中，语音数据可以为普通话语音数据，也可以为方言语音数据，还可以带有口音的语音数据等。可以理解的是，该默认语音转文字模型模型未配置声纹信息，在使用默认语音转文字模型时，所有声纹信息对应的语音信息均可以通过该默认语音转文字模型识别其对应的文字信息。本实施例在未检测到声纹信息对应的个性语音转文字模型时，采用默认语音转文字模型来识别语音信息，这样可以避免用户在未自行设置个性语音转文字模型时，也可以获取到语音信息对应的文字信息，进而进行人机交互，给用户的使用带来方便。
70.s30、基于所述个性语音转文字模型，确定所述语音信息对应的文字信息。
71.具体地，所述文字信息为将所述语音信息输入所述个性语音转文字模型后，通过该个性语音转文字模型输出的文字信息；该文字信息用于表达该语音信息的语音内容。例如，该文字信息为“苹果”，该语音信息包含的语音内容为“苹果”对应的语音。由此，所述基于所述个性语音转文字模型，确定所述语音信息对应的文字信息的过程可以为：将所述语音信息输入所述个性语音转文字模型，通过该个性语音转文字模型输出该语音信息对应的文字信息，以得到该语音信息对应的文字信息。
72.进一步，由该个性语音转文字模型的训练过程可以得知，该个性语音转文字模型的输出项包括语音信息对应的文字信息，以及该文字信息的置信度。由此，在本实施例的一个实现方式中，所述基于所述个性语音转文字模型，确定所述语音信息对应的文字信息具体包括：
73.将所述语音信息输入所述个性语音转换模块，通过所述个性语音转文字模型输入所述语音信息对应的参考文字信息；
74.当所述参考文字信息的置信度小于预设置信度阈值时，将所述语音信息输入预设的默认语音转换模块，通过所述默认语音转文字模型确定所述语音信息对应的目标文字信息；并将所述目标文字信息作为所述语音信息对应的文字信息；
75.当所述参考文字信息的置信度大于或等于预设置信度阈值时，将所述参考文字信息作为所述语音信息对应的文字信息。
76.具体地，所述参考文字信息为所述个性语音转文字模型，所述参考文字信息的置信度为所述个性语音转文字模型输出。可以理解的是，所述个性语音转文字模型输出所述语音信息对应的参考文字信息以及参考文字信息的置信度。所述置信度阈值为预先设置，为用于衡量所述参数文字信息是否可以作为该语音信息对应的文字信息的标准；当所述置信度大于置信度阈值时，说明该参考文字信息可以作为语音信息对应的文字信息；当所述置信度小于或等于置信度阈值时，说明参考文字信息无法作为语音信息对应的文字信息。例如，参考文字信息的置信度为0.7，预设置信度阈值为0.8，那么参考文字信息无法作为语音信息对应的文字信息。
77.进一步，当所述置信度小于或等于置信度阈值时，将所述语音信息输入默认语音转文字模型，通过所述默认语音转文字模型输出该语音信息对应的目标文字信息，并将该目标文字信息作为语音信息对应的文字信息这样可以避免由于个性训练样本不足而造成的文字信息输出错误的问题，提高了文字信息的识别准确性。当然，在实际应用中，在获取到目标文字信息时，可以将目标文字信息的置信度与参考文字信息的置信度进行比较，在两者中选取置信度高的作为语音信息对应的文字信息，这样可以进一步保证文字信息的准确性。例如，参考文字信息的置信度为0.7，目标文字信息的置信度为0.75，那么将目标文字信息作为语音信息对应的文字信息。
78.综上所述，本实施例提供了一种语音识别方法，所述方法包括：获取待识别的语音信息的声纹信息；基于所述声纹信息确定所述语音信息对应的个性语音转文字模型，其中，所述个性语音转文字模型为基于所述声纹信息对应的语音数据训练得到的；基于所述个性语音转文字模型，确定所述语音信息对应的文字信息。本发明中使用的个性语音转文字模型用于训练的语音数据的声纹信息与获取到的语音信息的声纹信息相同，那么获取到的语音信息的语音表达方式与该个性语音转文字模型所采用的语音数据的语音表达方式相同，从而通过该个性语音转换模块可以提高对该语音信息识别的准确性，进而可以更好的获知用户的意图，给用户的使用带来方便。
79.基于上述语音识别方法，如图2所示，本实施例提供了一种语音识别系统，其特征在于，所述语音识别系统包括终端设备以及服务端；所述终端设备部署有个性语音转换模型，所述服务端部署有默认语音转换模型；
80.所述终端设备用于获取待识别的语音信息的声纹信息；基于所述声纹信息确定所述语音信息对应的个性语音转换模型，其中，所述个性语音转换模型为基于所述声纹信息训练得到的；基于所述个性语音转换模型确定所述语音信息对应的文本信息；
81.所述服务端用于当所述文本信息的置信度小于预设置信度阈值时，通过默认语音转换模型确定所述语音信息对应的目标文本信息，并将所述目标文本信息作为所述语音信
息对应的文本信息。
82.基于上述语音识别方法，本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上述实施例所述的语音识别方法中的步骤。
83.基于上述语音识别方法，本发明还提供了一种终端设备，如图3所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(communications interface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。
84.此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
85.存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
86.存储器22可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、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
87.此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
88.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。