[發明專利]基于卷積神經網絡的聲學特征提取方法、裝置和終端設備

有效

• 申請號: 201710172622.6
• 申請日: 2017-03-21
• 公開（公告）號: CN106887225B
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 李超;李先剛
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/16
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

本申請提出一種基于卷積神經網絡的聲學特征提取方法、裝置和終端設備，該基于卷積神經網絡的聲學特征提取方法，包括：將待識別的語音排列成預定緯數的語譜圖；通過卷積神經網絡對所述預定緯數的語譜圖進行識別，獲得所述待識別的語音中的聲學特征。本申請可以實現通過卷積神經網絡提取語音中的聲學特征，可以更好地表征語音中的聲學特性，提高語音識別的準確率。

技術領域

本申請涉及語音識別技術領域，尤其涉及一種基于卷積神經網絡的聲學特征提取方法、裝置和終端設備。

背景技術

隨著語音搜索業務的不斷普及，越來越多的用戶開始使用語音來搜索所需要的信息，語音搜索的比例逐年提高。為了提高語音識別的準確率，各種深度學習的方法被引入到語音識別領域，語音識別的準確率也逐步攀升。

現有技術中，主要是利用局部權值共享(Local Weight Share；以下簡稱：LWS)的卷積層來進行聲學特征的提取，但是這種方式不能很好地表征語音中的聲學特性，進而導致語音識別的準確率較低。

發明內容

本申請的目的旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本申請的第一個目的在于提出一種基于卷積神經網絡的聲學特征提取方法。該方法通過卷積神經網絡提取語音中的聲學特征，從而可以更好地表征語音中的聲學特性，提高語音識別的準確率。

本申請的第二個目的在于提出一種基于卷積神經網絡的聲學特征提取裝置。

本申請的第三個目的在于提出一種終端設備。

本申請的第四個目的在于提出一種包含計算機可執行指令的存儲介質。

為了實現上述目的，本申請第一方面實施例的基于卷積神經網絡的聲學特征提取方法，包括：將待識別的語音排列成預定緯數的語譜圖；通過卷積神經網絡對所述預定緯數的語譜圖進行識別，獲得所述待識別的語音中的聲學特征。

本申請實施例的基于卷積神經網絡的聲學特征提取方法中，將待識別的語音排列成預定緯數的語譜圖，然后通過卷積神經網絡對上述預定緯數的語譜圖進行識別，獲得上述待識別的語音中的聲學特征，從而可以實現通過卷積神經網絡提取語音中的聲學特征，可以更好地表征語音中的聲學特性，提高語音識別的準確率。

為了實現上述目的，本申請第二方面實施例的基于卷積神經網絡的聲學特征提取裝置，包括：生成模塊，用于將待識別的語音排列成預定緯數的語譜圖；識別模塊，用于通過卷積神經網絡對所述生成模塊生成的預定緯數的語譜圖進行識別，獲得所述待識別的語音中的聲學特征。

本申請實施例的基于卷積神經網絡的聲學特征提取裝置中，生成模塊將待識別的語音排列成預定緯數的語譜圖，然后識別模塊通過卷積神經網絡對上述預定緯數的語譜圖進行識別，獲得上述待識別的語音中的聲學特征，從而可以實現通過卷積神經網絡提取語音中的聲學特征，可以更好地表征語音中的聲學特性，提高語音識別的準確率。

為了實現上述目的，本申請第三方面實施例的終端設備，包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序；當所述一個或多個程序被所述一個或多個處理器執行時，使得所述一個或多個處理器實現如上所述的方法。

為了實現上述目的，本申請第四方面實施例的包含計算機可執行指令的存儲介質，所述計算機可執行指令在由計算機處理器執行時用于執行如上所述的方法。

本申請附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本申請的實踐了解到。

附圖說明

本申請上述的和/或附加的方面和優點從下面結合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1為本申請基于卷積神經網絡的聲學特征提取方法一個實施例的流程圖；