[發(fā)明專利]語音識別方法及裝置

有效

• 申請?zhí)枺?/td>: 201710198565.9
• 申請日: 2017-03-29
• 公開（公告）號: CN106991999B
• 公開（公告）日: 2020-06-02
• 發(fā)明（設(shè)計）人: 萬韶華
• 申請（專利權(quán)）人: 北京小米移動軟件有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L25/30
• 代理公司: 北京尚倫律師事務(wù)所 11477
• 代理人: 代治國

本公開是關(guān)于一種語音識別方法及裝置。該方法包括獲取語音識別模型中待輸入深度神經(jīng)網(wǎng)絡(luò)DNN第i層網(wǎng)絡(luò)的M個語音數(shù)據(jù)，每個語音數(shù)據(jù)包括語音的持續(xù)時間、語音頻率和語音強度；對M個語音數(shù)據(jù)包括的M個語音強度進(jìn)行正則化處理，獲取M個正則語音數(shù)據(jù)，每個正則語音數(shù)據(jù)包括語音的持續(xù)時間、語音頻率和正則語音強度；根據(jù)M個正則語音數(shù)據(jù)，獲取輸入DNN第i層網(wǎng)絡(luò)的M個輸入語音數(shù)據(jù)。該技術(shù)方案中，通過對待輸入DNN網(wǎng)絡(luò)中第i層網(wǎng)絡(luò)的語音數(shù)據(jù)進(jìn)行正則化處理，并根據(jù)正則化后的語音數(shù)據(jù)獲取第i層網(wǎng)絡(luò)的輸入語音數(shù)據(jù)，提高了DNN網(wǎng)絡(luò)的訓(xùn)練速度，降低了輸入的語音數(shù)據(jù)中聲音強度對語音識別的影響，進(jìn)而提高了語音識別的準(zhǔn)確率。

技術(shù)領(lǐng)域

本公開涉及語音識別技術(shù)領(lǐng)域，尤其涉及一種語音識別方法及裝置。

背景技術(shù)

隨著科技的發(fā)展，越來越多的智能設(shè)備進(jìn)入了我們的生活，其中絕大多數(shù)智能設(shè)備實現(xiàn)了語音操控，極大的便利了我們的生活。

為了精確實現(xiàn)語音操控，需要為智能設(shè)備設(shè)置語音識別系統(tǒng)，一個完整的語音識別系統(tǒng)，包含了聲學(xué)模型(Acoustic Model)和HMM(Hidden Markov Model，隱形馬爾科夫模型)這兩個關(guān)鍵模塊，傳統(tǒng)的語音識別技術(shù)中，通常采用GMM(Gaussian Mixture Model，高斯混合模型)-HMM框架來實現(xiàn)上述兩個模塊，但是由于GMM模擬任意函數(shù)的能力取決于混合高斯函數(shù)的模(mode)的個數(shù)，具有一定的局限性，屬于淺層模型，因此相關(guān)技術(shù)中還可以采用DNN(Deep Neural Networks，深度神經(jīng)網(wǎng)絡(luò))建立聲學(xué)模型和隱形馬爾科夫模型，通過DNN對聲學(xué)模型進(jìn)行建模，能取得比GMM更好的建模效果，語音識別的準(zhǔn)確率也更高。

發(fā)明內(nèi)容

為克服相關(guān)技術(shù)中存在的問題，本公開實施例提供一種語音識別方法及裝置。所述技術(shù)方案如下：

根據(jù)本公開實施例的第一方面，提供一種語音識別方法，包括：

獲取語音識別模型中待輸入DNN第i層網(wǎng)絡(luò)的M個語音數(shù)據(jù)，每個所述語音數(shù)據(jù)包括語音的持續(xù)時間、語音頻率和語音強度；所述i為大于或等于1的整數(shù)；

對所述M個語音數(shù)據(jù)包括的M個語音強度進(jìn)行正則化處理，獲取M個正則語音數(shù)據(jù)，每個所述正則語音數(shù)據(jù)包括語音的所述持續(xù)時間，所述語音頻率和正則語音強度，所述M為大于或等于1的整數(shù)；

根據(jù)所述M個正則語音數(shù)據(jù)，獲取輸入所述DNN第i層網(wǎng)絡(luò)的M個輸入語音數(shù)據(jù)。

本公開的實施例提供的技術(shù)方案可以包括以下有益效果：通過對待輸入DNN網(wǎng)絡(luò)中第i層網(wǎng)絡(luò)的語音數(shù)據(jù)進(jìn)行正則化處理，并根據(jù)正則化后的語音數(shù)據(jù)獲取第i層網(wǎng)絡(luò)的輸入語音數(shù)據(jù)，提高了DNN網(wǎng)絡(luò)的訓(xùn)練速度，降低了輸入的語音數(shù)據(jù)中聲音強度對語音識別的影響，進(jìn)而提高了語音識別的準(zhǔn)確率。

在一個實施例中，所述根據(jù)所述M個正則語音數(shù)據(jù)，獲取輸入所述DNN第i層網(wǎng)絡(luò)的M個輸入語音數(shù)據(jù)包括：

將所述M個正則語音數(shù)據(jù)作為輸入所述DNN第i層網(wǎng)絡(luò)的所述M個輸入語音數(shù)據(jù)。

本公開的實施例提供的技術(shù)方案可以包括以下有益效果：通過將正則化后的輸入語音數(shù)據(jù)作為輸入DNN網(wǎng)絡(luò)中第i層網(wǎng)絡(luò)的輸入語音數(shù)據(jù)，提高了DNN網(wǎng)絡(luò)的訓(xùn)練速度，降低了輸入的語音數(shù)據(jù)中聲音強度對語音識別的影響，進(jìn)而提高了語音識別的準(zhǔn)確率。

在一個實施例中，所述對所述M個語音數(shù)據(jù)包括的M個語音強度進(jìn)行正則化處理，獲取M個正則語音數(shù)據(jù)包括：

將所述M個語音數(shù)據(jù)按照預(yù)設(shè)規(guī)則分成N組語音數(shù)據(jù)；

對所述N組語音數(shù)據(jù)中每組語音數(shù)據(jù)分別進(jìn)行正則化處理，獲取N組正則語音數(shù)據(jù)，所述N組正則語音數(shù)據(jù)共包括M個正則語音數(shù)據(jù)。