[發明專利]語音識別方法及裝置

有效

• 申請號: 201610509783.5
• 申請日: 2016-06-30
• 公開（公告）號: CN107564513B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 薛少飛
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/065
• 代理公司: 北京展翅星辰知識產權代理有限公司 11693
• 代理人: 王文生

1.一種語音識別方法，其特征在于，包括：

針對訓練數據特征矢量進行聚類處理，得到聚類訓練數據特征矢量；

將所述聚類訓練數據特征矢量用于語音識別模型自適應訓練，得到語音識別模型；

利用所述聚類訓練數據特征矢量對待識別數據特征矢量進行插值計算，其中包括：

計算待識別數據特征矢量與所述聚類訓練數據特征矢量的余弦距離；

選擇余弦距離最大的預定數量的所述聚類訓練數據特征矢量對所述待識別數據特征矢量進行插值計算；

將經過所述插值計算后的待識別數據特征矢量輸入到語音識別模型，用于對語音識別模型的自適應調整。

2.如權利要求1所述的方法，其特征在于，在所述針對訓練數據特征矢量進行聚類處理之后、所述得到聚類訓練數據特征矢量之前，還包括：

對聚到同一類的訓練數據特征矢量進行加權平均處理。

3.如權利要求1所述的方法，其特征在于，在進行插值計算過程中，設置插值可調參數，通過調整所述可調參數的數值，設置所述聚類訓練數據特征矢量對所述待識別數據特征矢量的影響程度。

4.如權利要求1至3任一項所述的方法，其特征在于，所述數據特征矢量包括聲紋特征矢量、噪聲特征矢量、方言特征矢量、場景信息特征矢量中的一項或多項。

5.一種語音識別裝置，其特征在于，包括：

聚類單元，用于針對訓練數據特征矢量進行聚類處理，得到聚類訓練數據特征矢量；

模型自適應單元，用于將所述聚類訓練數據特征矢量用于語音識別模型自適應訓練，得到語音識別模型；

插值單元，用于利用所述聚類訓練數據特征矢量對待識別數據特征矢量進行插值計算，所述插值單元具體用于：

計算待識別數據特征矢量與所述聚類訓練數據特征矢量的余弦距離；選擇余弦距離最大的預定數量的所述聚類訓練數據特征矢量對所述待識別數據特征矢量進行插值計算；

自適應調整單元，用于將經過所述插值計算后的待識別數據特征矢量輸入到語音識別模型，對語音識別模型進行自適應調整。

6.如權利要求5所述的裝置，其特征在于，所述裝置還包括：

加權單元，用于對聚到同一類的訓練數據特征矢量進行加權平均處理。

7.如權利要求6所述的裝置，其特征在于，所述插值單元還用于設置插值可調參數，通過調整所述可調參數的數值，設置所述聚類訓練數據特征矢量對所述待識別數據特征矢量的影響程度。

8.如權利要求5至7任一項所述的裝置，其特征在于，所述數據特征矢量包括聲紋特征矢量、噪聲特征矢量、方言特征矢量、場景信息特征矢量中的一項或多項。