1.一种语音识别方法，包括：获取待识别语音数据，将所述待识别语音数据输入至预先训练得到的第一语音识别模型中进行语音识别，得到一个或多个第一语音识别结果及其对应的第一语音识别评价分值；响应于检测到预先设置有专项语音识别模型，将所述待识别语音数据输入至所述专项语音识别模型中，得到一个或多个第二语音识别结果及其对应的第二语音识别评价分值；基于所述第一语音识别评价分值和第二语音识别评价分值对于所述第一语音识别结果和第二语音识别结果进行混合排序，得到目标语音识别结果。2.根据权利要求1所述的方法，还包括：基于训练数据训练得到所述专项语音识别模型。3.根据权利要求2所述的方法，所述基于训练数据训练得到所述专项语音识别模型，包括：基于语料训练数据训练得到框架语音识别模型；基于专项词语集合训练得到专项语音识别资源；融合所述框架语音识别模型和所述专项语音识别资源得到融合语音识别模型；为所述融合语音识别模型添加拼音元素，得到所述专项语音识别模型。4.根据权利要求3所述的方法，所述基于语料训练数据训练得到框架语音识别模型，包括：获取语料训练数据；对于所述语料训练数据进行类别处理，得到类别语料训练数据；对于所述语料训练数据和类别语料训练数据进行分词处理得到语料分词训练数据；基于所述语料训练数据进行基于后验概率的模型训练得到所述框架语音识别模型。5.根据权利要求4所述的方法，所述对于所述语料训练数据进行类别处理，包括：将所述语料训练数据中的类别内容替换为类别标识信息，其中，所述类别标识信息对应一个或多个类别内容。6.根据权利要求5所述的方法，所述基于专项词语集合训练得到专项语音识别资源，包括：获取专项词语集合，其中，所述专项词语集合与所述待识别语音数据从属方相对应；确定所述专项词语集合中专项词语所属类别；对于所述专项词语和专项词语所属类别进行分词处理得到类别分词训练数据；基于所述类别分词训练数据进行基于后验概率的模型训练得到与所述类别标识信息对应的专项语音识别资源，其中，所述专项语音识别资源包括类别标识信息以及与其对应的文字内容。7.根据权利要求5或6所述的方法，所述融合所述框架语音识别模型和所述专项语音识别资源得到融合语音识别模型，包括：将所述框架语音识别模型中的类别标识信息替换为所述专项语音识别资源中与所述类别标识信息对应的文字内容。8.根据权利要求3-7任一所述的方法，所述为所述融合语音识别模型添加拼音元素，得到所述专项语音识别模型，包括：为所述融合语音识别模型中的文字添加拼音，得到所述专项语音识别模型。9.根据权利要求1-8任一所述的方法，所述基于所述第一语音识别评价分值和第二语音识别评价分值对于所述第一语音识别结果和第二语音识别结果进行混合排序，得到目标语音识别结果，包括：基于所述第一语音识别评价分值和第二语音识别评价分值对于所述第一语音识别结果和第二语音识别结果进行混合排序；将语音识别评价分值最高的语音识别结果作为目标语音识别结果。10.一种语音识别装置，包括：第一识别模块，被配置为获取待识别语音数据，将所述待识别语音数据输入至预先训练得到的第一语音识别模型中进行语音识别，得到一个或多个第一语音识别结果及其对应的第一语音识别评价分值；第二识别模块，被配置为响应于检测到预先设置有专项语音识别模型，将所述待识别语音数据输入至所述专项语音识别模型中，得到一个或多个第二语音识别结果及其对应的第二语音识别评价分值；排序模块，被配置为基于所述第一语音识别评价分值和第二语音识别评价分值对于所述第一语音识别结果和第二语音识别结果进行混合排序，得到目标语音识别结果。11.根据权利要求10所述的装置，还包括：训练模块，被配置为基于训练数据训练得到所述专项语音识别模型。12.根据权利要求11所述的装置，所述基于训练数据训练得到所述专项语音识别模型的部分，被配置为：基于语料训练数据训练得到框架语音识别模型；基于专项词语集合训练得到专项语音识别资源；融合所述框架语音识别模型和所述专项语音识别资源得到融合语音识别模型；为所述融合语音识别模型添加拼音元素，得到所述专项语音识别模型。13.根据权利要求12所述的装置，所述基于语料训练数据训练得到框架语音识别模型的部分，被配置为：获取语料训练数据；对于所述语料训练数据进行类别处理，得到类别语料训练数据；对于所述语料训练数据和类别语料训练数据进行分词处理得到语料分词训练数据；基于所述语料训练数据进行基于后验概率的模型训练得到所述框架语音识别模型。14.根据权利要求13所述的装置，所述对于所述语料训练数据进行类别处理的部分，被配置为：将所述语料训练数据中的类别内容替换为类别标识信息，其中，所述类别标识信息对应一个或多个类别内容。15.根据权利要求14所述的装置，所述基于专项词语集合训练得到专项语音识别资的部分，被配置为：获取专项词语集合，其中，所述专项词语集合与所述待识别语音数据从属方相对应；确定所述专项词语集合中专项词语所属类别；对于所述专项词语和专项词语所属类别进行分词处理得到类别分词训练数据；基于所述类别分词训练数据进行基于后验概率的模型训练得到与所述类别星空体育网站 星空体育首页标识信息对应的专项语音识别资源，其中，所述专项语音识别资源包括类别标识信息以及与其对应的文字内容。16.根据权利要求14或15所述的装置，所述融合所述框架语音识别模型和所述专项语音识别资源得到融合语音识别模型的部分，被配置为：将所述框架语音识别模型中的类别标识信息替换为所述专项语音识别资源中与所述类别标识信息对应的文字内容。17.根据权利要求12-16任一所述的装置，所述为所述融合语音识别模型添加拼音元素，得到所述专项语音识别模型的部分，被配置为：为所述融合语音识别模型中的文字添加拼音，得到所述专项语音识别模型。18.根据权利要求10-17任一所述的装置，所述排序模块被配置为：基于所述第一语音识别评价分值和第二语音识别评价分值对于所述第一语音识别结果和第二语音识别结果进行混合排序；将语音识别评价分值最高的语音识别结果作为目标语音识别结果。19.一种电子设备，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1-9任一项所述的方法步骤。20.一种计算机可读存储介质，其上存储有计算机指令，其中，该计算机指令被处理器执行时实现权利要求1-9任一项所述的方法步骤。

　　本公开实施例公开了一种语音识别方法、装置、电子设备及计算机可读存储介质，所述方法包括：星空体育网站 星空体育首页获取待识别语音数据，将所述待识别语音数据输入至预先训练得到的第一语音识别模型中进行语音识别，得到一个或多个第一语音识别结果及其对应的第一语音识别评价分值；响应于检测到预先设置有专项语音识别模型，将所述待识别语音数据输入至所述专项语音识别模型中，得到一个或多个第二语音识别结果及其对应的第二语音识别评价分值；对于所述语音识别结果进行混合排序，得到目标语音识别结果。该技术方案能够快速生成个性化识别资源，借助对于个性化识别资源的调用实现对于个性化内容的精确识别，该技术方案识别率高、计算量低，且性能开销小。开销小。开销小。