[發明專利]一種語音建模方法及裝置

有效

• 申請號: 201611103738.6
• 申請日: 2016-12-05
• 公開（公告）號: CN108172218B
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 徐衍瀚
• 申請（專利權）人: 中國移動通信有限公司研究院;中國移動通信集團公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/16
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;安利霞

1.一種語音建模方法，其特征在于，包括：

將標準普通話數據和至少一種帶有方言口音的普通話數據作為輸入數據，并提取所述輸入數據的語音特征向量；

利用所述語音特征向量訓練深度神經網絡DNN聲學模型，其中所述深度神經網絡DNN聲學模型的輸出層輸出第一概率；

獲取帶有目標方言口音的普通話數據；

利用所述帶有目標方言口音的普通話數據學習所述輸出層，復用訓練好深度神經網絡DNN聲學模型的隱藏層的參數，并利用所述輸出層輸出的第二概率更新所述第一概率。

2.根據權利要求1所述的方法，其特征在于，所述提取所述輸入數據的語音特征向量的步驟，包括：

對所述輸入數據進行加窗分幀操作，獲得語音幀；

去除所述語音幀中的靜音幀，獲得所述語音特征向量。

3.根據權利要求1所述的方法，其特征在于，所述利用所述語音特征向量訓練深度神經網絡DNN聲學模型，其中所述聲學模型的輸出層輸出第一概率的步驟，包括：

將所述語音特征向量作為輸入信號輸入到所述DNN聲學模型的輸入層；

在所述DNN聲學模型的多個隱藏層中，利用每個隱藏層對應的第一權值，對所述每個隱藏層的輸入信號進行處理，獲得所述每個隱藏層的輸出信號；

在所述DNN聲學模型的輸出層，對最上一隱藏層的輸出信號進行處理，獲得第一概率。

4.根據權利要求1所述的方法，其特征在于，所述利用所述帶有目標方言口音的普通話數據學習所述輸出層，并利用所述輸出層輸出的第二概率更新所述第一概率的步驟，包括：

將所述帶有目標方言口音的普通話數據作為輸入信號輸入到所述DNN聲學模型的輸入層；

在所述DNN聲學模型的多個隱藏層中，利用每個隱藏層對應的第二權值，對所述每個隱藏層的輸入信號進行處理，獲得所述每個隱藏層的輸出信號；

在所述DNN聲學模型的輸出層，對最上一隱藏層的輸出信號進行處理，獲得第二概率；

利用所述第二概率更新所述第一概率。

5.根據權利要求4所述的方法，其特征在于，在所述利用所述帶有目標方言口音的普通話數據學習所述輸出層，并利用所述輸出層輸出的第二概率更新所述第一概率的步驟前，所述方法還包括：

去除所述帶有目標方言口音的普通話數據中的靜音幀；

所述將所述帶有目標方言口音的普通話數據作為輸入信號輸入到所述DNN聲學模型的輸入層的步驟，包括：

將去除了所述靜音幀之后的帶有目標方言口音的普通話數據，作為輸入信號輸入到所述DNN聲學模型的輸入層。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述方法還包括：

獲取待識別的帶有口音的普通話數據；

根據所述第二概率識別對所述待識別的帶有口音的普通話數據進行識別。

7.一種語音建模裝置，其特征在于，包括：

提取模塊，用于將標準普通話數據和至少一種帶有方言口音的普通話數據作為輸入數據，并提取所述輸入數據的語音特征向量；

訓練模塊，用于利用所述語音特征向量訓練深度神經網絡DNN聲學模型，其中所述深度神經網絡DNN聲學模型的輸出層輸出第一概率；

獲取模塊，用于獲取帶有目標方言口音的普通話數據；

建模模塊，用于利用所述帶有目標方言口音的普通話數據學習所述輸出層，復用訓練好深度神經網絡DNN聲學模型的隱藏層的參數，并利用所述輸出層輸出的第二概率更新所述第一概率。

8.根據權利要求7所述的裝置，其特征在于，所述提取模塊包括：

第一獲取子模塊，用于對所述輸入數據進行加窗分幀操作，獲得語音幀；

第二獲取子模塊，用于去除所述語音幀中的靜音幀，獲得所述語音特征向量。