[發(fā)明專(zhuān)利]一種語(yǔ)音解碼的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201210226796.3
• 申請(qǐng)日: 2012-06-30
• 公開(kāi)（公告）號(hào): CN102737638A
• 公開(kāi)（公告）日: 2012-10-17
• 發(fā)明（設(shè)計(jì)）人: 錢(qián)勝
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類(lèi)號(hào): G10L19/00
• 分類(lèi)號(hào): G10L19/00
• 代理公司: 深圳市威世博知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44280
• 代理人: 何青瓦;李慶波

1.一種語(yǔ)音解碼方法，包括：

A．從待解碼的語(yǔ)音特征流中獲取當(dāng)前語(yǔ)音特征幀；

B.利用當(dāng)前語(yǔ)音特征幀對(duì)當(dāng)前的各條解碼路徑進(jìn)行擴(kuò)展；

C.利用語(yǔ)音短時(shí)平穩(wěn)特征從擴(kuò)展后的各條解碼路徑中選取一條以上的解碼路徑作為當(dāng)前的解碼路徑，并判斷待解碼的語(yǔ)音特征流是否已到達(dá)最后幀，如果是，則從當(dāng)前的各條解碼路徑中確定最優(yōu)解碼路徑作為對(duì)所述待解碼的語(yǔ)音特征流進(jìn)行解碼的結(jié)果，否則將待解碼的語(yǔ)音特征流的下一幀作為當(dāng)前語(yǔ)音特征幀，返回所述步驟B。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟B具體包括：

根據(jù)已知的語(yǔ)音特征幀之間的狀態(tài)跳轉(zhuǎn)關(guān)系，確定當(dāng)前的各條解碼路徑中最后一個(gè)狀態(tài)節(jié)點(diǎn)代表的狀態(tài)至當(dāng)前語(yǔ)音特征幀之間所有可能的狀態(tài)跳轉(zhuǎn)，其中一種可能的狀態(tài)跳轉(zhuǎn)對(duì)應(yīng)由當(dāng)前語(yǔ)音特征幀的一個(gè)狀態(tài)節(jié)點(diǎn)擴(kuò)展而來(lái)的一條解碼路徑；

根據(jù)聲學(xué)模型和語(yǔ)言模型確定擴(kuò)展后的各條解碼路徑的得分。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，利用語(yǔ)音短時(shí)平穩(wěn)特征從擴(kuò)展后的各條解碼路徑中選取一條以上的解碼路徑作為當(dāng)前的解碼路徑的步驟具體包括：

從擴(kuò)展后的各條解碼路徑中確定違背語(yǔ)音短時(shí)平穩(wěn)特征的解碼路徑；

降低所述違背語(yǔ)音短時(shí)平穩(wěn)特征的解碼路徑的得分；

根據(jù)各條解碼路徑的得分選取一條以上的解碼路徑作為當(dāng)前的解碼路徑。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，確定違背語(yǔ)音短時(shí)平穩(wěn)特征的解碼路徑的步驟具體包括：

將擴(kuò)展后的各條解碼路徑中相同狀態(tài)的連續(xù)節(jié)點(diǎn)數(shù)低于限值的解碼路徑作為違背語(yǔ)音短時(shí)平穩(wěn)特征的解碼路徑。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)各條解碼路徑的得分選取一條以上的解碼路徑作為當(dāng)前的解碼路徑的步驟具體包括：

從各條解碼路徑中選取得分最高的N條解碼路徑作為當(dāng)前的解碼路徑，其中N為自然數(shù)；或者，將各條解碼路徑中得分與最高分之間差值大于設(shè)定值的解碼路徑剔除并將剩余解碼路徑作為當(dāng)前的解碼路徑。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟C中確定最優(yōu)解碼路徑的步驟具體包括：

將當(dāng)前的各條解碼路徑中得分最高的解碼路徑作為最優(yōu)解碼路徑。

7.一種語(yǔ)音解碼裝置，包括：

接收單元，用于從待解碼的語(yǔ)音特征流中獲取當(dāng)前語(yǔ)音特征幀；

擴(kuò)展單元，用于利用當(dāng)前語(yǔ)音特征幀對(duì)當(dāng)前的各條解碼路徑進(jìn)行擴(kuò)展；

選取單元，用于利用語(yǔ)音短時(shí)平穩(wěn)特征從擴(kuò)展后的各條解碼路徑中選取一條以上的解碼路徑作為當(dāng)前的解碼路徑，并觸發(fā)判斷單元運(yùn)行；

判斷單元，用于判斷待解碼的語(yǔ)音特征流是否已到達(dá)最后幀，如果是，則從當(dāng)前的各條解碼路徑中確定最優(yōu)解碼路徑作為對(duì)所述待解碼的語(yǔ)音特征流進(jìn)行解碼的結(jié)果，否則將待解碼的語(yǔ)音特征流的下一幀作為當(dāng)前語(yǔ)音特征幀并觸發(fā)所述擴(kuò)展單元運(yùn)行。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述擴(kuò)展單元具體包括：

路徑擴(kuò)展子單元，用于根據(jù)已知的語(yǔ)音特征幀之間的狀態(tài)跳轉(zhuǎn)關(guān)系，確定當(dāng)前的各條解碼路徑中最后一個(gè)狀態(tài)節(jié)點(diǎn)代表的狀態(tài)至當(dāng)前語(yǔ)音特征幀之間所有可能的狀態(tài)跳轉(zhuǎn)，其中一種可能的狀態(tài)跳轉(zhuǎn)對(duì)應(yīng)當(dāng)前語(yǔ)音特征幀的一個(gè)狀態(tài)節(jié)點(diǎn)擴(kuò)展而來(lái)的一條解碼路徑；

得分確定子單元，用于根據(jù)聲學(xué)模型和語(yǔ)言模型確定擴(kuò)展后的各條解碼路徑的得分。

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述選取單元具體包括：

路徑確定子單元，用于從擴(kuò)展后的各條解碼路徑中確定違背語(yǔ)音短時(shí)平穩(wěn)特征的解碼路徑；

懲罰子單元，用于降低所述違背語(yǔ)音短時(shí)平穩(wěn)特征的解碼路徑的得分；

路徑選取子單元，用于根據(jù)各條解碼路徑的得分選取一條以上的解碼路徑作為當(dāng)前的解碼路徑。

10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述路徑確定子單元將擴(kuò)展后的各條解碼路徑中相同狀態(tài)的連續(xù)節(jié)點(diǎn)數(shù)低于限值的解碼路徑作為違背語(yǔ)音短時(shí)平穩(wěn)特征的解碼路徑。

11.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述路徑選取子單元從各條解碼路徑中選取得分最高的N條解碼路徑作為當(dāng)前的解碼路徑，其中N為自然數(shù)；或者，將各條解碼路徑中得分與最高分之間差值大于設(shè)定值的解碼路徑剔除并將剩余解碼路徑作為當(dāng)前的解碼路徑。

12.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述判斷單元確定最優(yōu)解碼路徑的方式具體包括：

將當(dāng)前的各條解碼路徑中得分最高的解碼路徑作為最優(yōu)解碼路徑。