[發(fā)明專利]一種發(fā)音詞典的構(gòu)建方法及裝置

在審

• 申請?zhí)枺?/td>: 201511016459.1
• 申請日: 2015-12-29
• 公開（公告）號: CN106935239A
• 公開（公告）日: 2017-07-07
• 發(fā)明（設(shè)計）人: 王志銘;李曉輝;李宏言
• 申請（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號: G10L13/06
• 分類號: G10L13/06;G10L13/04;G10L13/08
• 代理公司: 北京國昊天誠知識產(chǎn)權(quán)代理有限公司11315
• 代理人: 黃熊

1.一種發(fā)音詞典的構(gòu)建方法，其特征在于，所述方法包括：

將目標(biāo)詞匯的語音聲學(xué)特征，輸入語音識別解碼器；其中，所述語音識別解碼器中的發(fā)音詞典包括：目標(biāo)詞匯和目標(biāo)詞匯的候選發(fā)音音素序列；

根據(jù)所述語音識別解碼器以所述語音聲學(xué)特征作為輸入而輸出的候選發(fā)音音素序列，確定所述目標(biāo)詞匯對應(yīng)于輸出的候選發(fā)音音素序列的概率分布；

根據(jù)所述概率分布，從所述輸出的候選發(fā)音音素序列中，選擇作為所述目標(biāo)詞匯的正確發(fā)音的發(fā)音音素序列；

根據(jù)所述正確發(fā)音的發(fā)音音素序列，構(gòu)建發(fā)音詞典。

2.如權(quán)利要求1所述的方法，其特征在于，將所述語音聲學(xué)特征，輸入所述語音識別解碼器前，所述方法還包括：

獲得目標(biāo)詞匯的候選發(fā)音音素序列；

將目標(biāo)詞匯和獲得的候選發(fā)音音素序列，加入到所述語音識別解碼器中的發(fā)音詞典中。

3.如權(quán)利要求2所述的方法，其特征在于，獲得目標(biāo)詞匯的候選發(fā)音音素序列，包括：

利用詞轉(zhuǎn)換為音素G2P方法，獲得目標(biāo)詞匯的候選發(fā)音音素序列。

4.如權(quán)利要求1所述的方法，其特征在于，所述語音識別解碼器中嵌入的聲學(xué)模型，是對深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到的。

5.如權(quán)利要求1所述的方法，其特征在于，將目標(biāo)詞匯的語音聲學(xué)特征，輸入所述語音識別解碼器中，包括：

采集目標(biāo)詞匯對應(yīng)的音頻樣本；

根據(jù)所述音頻樣本，獲得所述語音聲學(xué)特征；

將獲得的所述語音聲學(xué)特征，輸入所述語音識別解碼器中。

6.如權(quán)利要求1所述的方法，其特征在于，根據(jù)所述概率分布，從所述輸出的候選發(fā)音音素序列中，選擇作為所述目標(biāo)詞匯的正確發(fā)音的發(fā)音音素序 列，包括：

確定所述概率分布中的最大概率值；

從所述輸出的候選發(fā)音音素序列中，選擇所述最大概率值對應(yīng)的候選發(fā)音音素序列，作為所述目標(biāo)詞匯的正確發(fā)音的發(fā)音音素序列。

7.如權(quán)利要求1～6任一權(quán)項(xiàng)所述的方法，其特征在于，根據(jù)所述正確發(fā)音的發(fā)音音素序列，構(gòu)建發(fā)音詞典，包括：

根據(jù)作為所述目標(biāo)詞匯正確發(fā)音的發(fā)音音素序列，從加入了目標(biāo)詞匯和獲得的候選發(fā)音音素序列的發(fā)音詞典中，刪除目標(biāo)詞匯對應(yīng)的、除所述正確發(fā)音的發(fā)音音素序列外的其他候選發(fā)音音素序列。

8.一種發(fā)音詞典的構(gòu)建裝置，其特征在于，所述裝置包括：

解碼單元：用于將目標(biāo)詞匯的語音聲學(xué)特征，輸入語音識別解碼器中；其中，所述語音識別解碼器中的發(fā)音詞典包括：目標(biāo)詞匯和目標(biāo)詞匯的的候選發(fā)音音素序列；

發(fā)音確定單元：用于根據(jù)所述語音識別解碼器以所述語音聲學(xué)特征作為輸入而輸出的候選發(fā)音音素序列，確定所述目標(biāo)詞匯對應(yīng)于輸出的候選發(fā)音音素序列的概率分布；根據(jù)所述概率分布，從所述輸出的候選發(fā)音音素序列中，選擇作為所述目標(biāo)詞匯的正確發(fā)音的發(fā)音音素序列；

詞典構(gòu)建單元：用于根據(jù)所述正確發(fā)音的發(fā)音音素序列，構(gòu)建發(fā)音詞典。

9.如權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括：

音素序列處理單元，用于在于將目標(biāo)詞匯的語音聲學(xué)特征，輸入語音識別解碼器中前，獲得目標(biāo)詞匯的候選發(fā)音音素序列；并將目標(biāo)詞匯和獲得的候選發(fā)音音素序列，加入到所述語音識別解碼器中的發(fā)音詞典中。

10.如權(quán)利要求9所述的裝置，其特征在于，所述音素序列處理單元，具體可以用于：

利用詞轉(zhuǎn)換為音素G2P方法，獲得目標(biāo)詞匯的候選發(fā)音音素序列。

11.如權(quán)利要求8所述的裝置，其特征在于，所述語音識別解碼器中嵌入 的聲學(xué)模型，是對深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到的。

12.如權(quán)利要求8所述的裝置，其特征在于：

所述解碼單元，具體用于采集目標(biāo)詞匯對應(yīng)的音頻樣本；根據(jù)所述音頻樣本，獲得所述語音聲學(xué)特征；將獲得的所述語音聲學(xué)特征，輸入所述語音識別解碼器中。

13.如權(quán)利要求8所述的裝置，其特征在于，所述發(fā)音確定單元，具體用于：

確定所述概率分布中的最大概率值；

從所述輸出的候選發(fā)音音素序列中，選擇所述最大概率值對應(yīng)的候選發(fā)音音素序列，作為所述目標(biāo)詞匯的正確發(fā)音的發(fā)音音素序列。

14.如權(quán)利要求8～13任一權(quán)項(xiàng)所述的裝置，其特征在于：

所述詞典構(gòu)建單元，具體用于根據(jù)作為所述目標(biāo)詞匯正確發(fā)音的發(fā)音音素序列，從加入了目標(biāo)詞匯和獲得的候選發(fā)音音素序列的發(fā)音詞典中，刪除目標(biāo)詞匯對應(yīng)的、除所述正確發(fā)音的發(fā)音音素序列外的其他候選發(fā)音音素序列。