[發(fā)明專利]基于人工智能的語音特征提取方法及裝置

有效

• 申請?zhí)枺?/td>: 201611239071.2
• 申請日: 2016-12-28
• 公開（公告）號: CN106710589B
• 公開（公告）日: 2019-07-30
• 發(fā)明（設(shè)計）人: 李超;李先剛
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L25/18
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 宋合成

本發(fā)明提出一種基于人工智能的語音特征提取方法及裝置，其中，方法包括：對待識別語音進行頻譜分析，得到待識別語音的語譜圖，利用圖像識別算法中的Inception卷積結(jié)構(gòu)，對語譜圖進行特征提取，得到待識別語音的語音特征。本發(fā)明中，通過對待識別語音進行頻譜分析，將連續(xù)的待識別語音轉(zhuǎn)換成語譜圖進行表示，由于Inception卷積結(jié)構(gòu)為可以精準(zhǔn)識別圖像特征的有效的圖像識別方式，利用Inception卷積結(jié)構(gòu)對語譜圖進行識別，提取出待識別語音較為準(zhǔn)確的語音特征，進而可以提高語音識別的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的語音特征提取方法及裝置。

背景技術(shù)

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語音識別、圖像識別、自然語言處理和專家系統(tǒng)等。其中，人工智能最重要的方面就是語音識別技術(shù)。

隨著語音搜索業(yè)務(wù)的不斷普及，越來越多的人開始使用自己的語音來搜索所需要的信息，語音搜索的比例逐年提高。在基于語音搜索的過程，首先需要對語音進行識別，然后基于識別結(jié)果進行搜索。目前，多采用神經(jīng)網(wǎng)絡(luò)對語音進行識別。

但是，現(xiàn)有基于聲學(xué)模型的語音識別中，在聲學(xué)模型中并沒有設(shè)置專門的特征提取層(layers)，而是使用全連接(Full Connect，簡稱FC)層進行語音的特征提取，導(dǎo)致現(xiàn)有的語音識別的準(zhǔn)確率較差。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的第一個目的在于提出一種基于人工智能的語音特征提取方法，用于解決現(xiàn)有基于神經(jīng)網(wǎng)絡(luò)的語音識別中，由于沒有設(shè)置專門的特征提取層，而是使用FC層進行語音特征的提取，導(dǎo)致現(xiàn)有的語音識別的準(zhǔn)確率較差的問題。

本發(fā)明的第二個目的在于提出一種基于人工智能的語音特征提取裝置。

本發(fā)明的第三個目的在于提出另一種基于人工智能的語音特征提取裝置。

本發(fā)明的第四個目的在于提出一種非臨時性計算機可讀存儲介質(zhì)。

本發(fā)明的第五個目的在于提出一種計算機程序產(chǎn)品。

為達(dá)上述目的，本發(fā)明第一方面實施例提出了一種基于人工智能的語音特征提取方法，包括：

對待識別語音進行頻譜分析，得到所述待識別語音的語譜圖；

利用圖像識別算法中的Inception卷積結(jié)構(gòu)，對所述語譜圖進行特征提取，得到所述待識別語音的語音特征。

本發(fā)明實施例的基于人工智能的語音特征提取方法，通過對待識別語音進行頻譜分析，將連續(xù)的待識別語音轉(zhuǎn)換成語譜圖進行表示，由于Inception卷積結(jié)構(gòu)為可以精準(zhǔn)識別圖像特征的有效的圖像識別方式，進而利用Inception卷積結(jié)構(gòu)對語譜圖進行識別，提取出待識別語音較為準(zhǔn)確的語音特征，進而可以提高語音識別的準(zhǔn)確率。由于Inception卷積結(jié)構(gòu)可以提取語音特征，從而可以在聲學(xué)模型中可以將Inception卷積結(jié)構(gòu)作為單獨的語音特征提取層使用，進而克服現(xiàn)有技術(shù)中由于聲學(xué)模型中并沒有設(shè)置專門的特征提取層，使得語音識別準(zhǔn)確率較差的問題。

為達(dá)上述目的，本發(fā)明第二方面實施例提出了一種基于人工智能的語音特征提取裝置，包括：

語譜圖獲取模塊，用于對待識別語音進行頻譜分析，得到所述待識別語音的語譜圖；

特征提取模塊，用于利用圖像識別算法中的Inception卷積結(jié)構(gòu)，對所述語譜圖進行特征提取，得到所述待識別語音的語音特征。