[發(fā)明專利]基于人工智能的語音識別方法、裝置及終端

有效

• 申請?zhí)枺?/td>: 201710414207.7
• 申請日: 2017-06-05
• 公開（公告）號: CN107346659B
• 公開（公告）日: 2020-06-23
• 發(fā)明（設(shè)計）人: 陳明明;李先剛;孫玨
• 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: G10L15/06
• 分類號: G10L15/06;G10L15/16;G10L15/183;G10L15/26;G10L19/02;G10L19/26;G10L21/0208
• 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

1.一種基于人工智能的語音識別方法，其特征在于，包括：

獲取待識別的語音數(shù)據(jù)；

利用訓(xùn)練后的子帶能量歸一化聲學(xué)模型，對所述待識別的語音數(shù)據(jù)進行處理，確定所述待識別的語音數(shù)據(jù)中各時頻單元對應(yīng)的歸一化能量特征；

根據(jù)所述各時頻單元對應(yīng)的歸一化能量特征，確定所述待識別的語音數(shù)據(jù)對應(yīng)的文本數(shù)據(jù)；

所述利用訓(xùn)練后的子帶能量歸一化聲學(xué)模型，對所述待識別的語音數(shù)據(jù)進行處理之前，還包括：

獲取訓(xùn)練語音數(shù)據(jù)；

利用所述訓(xùn)練語音數(shù)據(jù)，對初始子帶能量歸一化聲學(xué)模型進行訓(xùn)練，確定訓(xùn)練后的子帶能量歸一化模型及各子帶分別對應(yīng)的平滑參數(shù)，其中，所述利用所述訓(xùn)練語音數(shù)據(jù)，對初始子帶能量歸一化聲學(xué)模型進行訓(xùn)練，包括：將從所述訓(xùn)練語音數(shù)據(jù)中獲取的濾波器組能量值及初始平滑參數(shù)輸入初始子帶能量歸一化聲學(xué)模型，生成對應(yīng)的文本數(shù)據(jù)，根據(jù)生成的文本數(shù)據(jù)與所述訓(xùn)練語音數(shù)據(jù)對應(yīng)的正確文本數(shù)據(jù)的差異確定各子帶分別對應(yīng)的平滑系數(shù)的修正系數(shù)，以對各子帶分別對應(yīng)的初始平滑系數(shù)進行修正，確定修正后的子帶能量歸一化聲學(xué)模型。

2.如權(quán)利要求1所述的方法，其特征在于，所述利用所述訓(xùn)練語音數(shù)據(jù)，對初始子帶能量歸一化聲學(xué)模型進行訓(xùn)練之前，還包括：

根據(jù)預(yù)設(shè)的規(guī)則，確定各子帶分別對應(yīng)的初始平滑參數(shù)。

3.如權(quán)利要求1-2任一所述的方法，其特征在于，所述利用訓(xùn)練后的子帶能量歸一化聲學(xué)模型，對所述待識別的語音數(shù)據(jù)進行處理之前，還包括：

對所述待識別的語音數(shù)據(jù)進行預(yù)處理，確定所述待識別的語音數(shù)據(jù)中各時頻單元對應(yīng)的濾波器組能量值；

所述利用訓(xùn)練后的子帶能量歸一化聲學(xué)模型，對所述待識別的語音數(shù)據(jù)進行處理，包括：

所述利用訓(xùn)練后的子帶能量歸一化聲學(xué)模型，對所述待識別的語音數(shù)據(jù)中各時頻單元對應(yīng)的濾波器組能量值進行處理。

4.如權(quán)利要求3所述的方法，其特征在于，所述確定所述待識別的語音數(shù)據(jù)中各時頻單元對應(yīng)的歸一化能量特征，包括：

確定第i幀語音數(shù)據(jù)中第j個時頻單元對應(yīng)的濾波器組能量值E(i,j)及各子帶分別對應(yīng)的平滑參數(shù)s_j；

獲取第i-1幀語音數(shù)據(jù)中第j個時頻單元對應(yīng)的平滑后的濾波器組能量值M(i-1,j)；

根據(jù)所述E(i,j)、s_j及M(i-1,j)，確定所述第i幀語音數(shù)據(jù)中第j個時頻單元對應(yīng)的平滑后的濾波器組能量值M(i,j)。

5.一種基于人工智能的語音識別裝置，其特征在于，包括：

第一獲取模塊，用于獲取待識別的語音數(shù)據(jù)；

第一確定模塊，用于利用訓(xùn)練后的子帶能量歸一化聲學(xué)模型，對所述待識別的語音數(shù)據(jù)進行處理，確定所述待識別的語音數(shù)據(jù)中各時頻單元對應(yīng)的歸一化能量特征；

第二確定模塊，用于根據(jù)所述各時頻單元對應(yīng)的歸一化能量特征，確定所述待識別的語音數(shù)據(jù)對應(yīng)的文本數(shù)據(jù)；

第二獲取模塊，用于獲取訓(xùn)練語音數(shù)據(jù)；

第三確定模塊，用于利用所述訓(xùn)練語音數(shù)據(jù)，對初始子帶能量歸一化聲學(xué)模型進行訓(xùn)練，確定訓(xùn)練后的子帶能量歸一化模型及各子帶分別對應(yīng)的平滑參數(shù)，其中，所述第三確定模塊，具體用于將從所述訓(xùn)練語音數(shù)據(jù)中獲取的濾波器組能量值及初始平滑參數(shù)輸入初始子帶能量歸一化聲學(xué)模型，生成對應(yīng)的文本數(shù)據(jù)，根據(jù)生成的文本數(shù)據(jù)與所述訓(xùn)練語音數(shù)據(jù)對應(yīng)的正確文本數(shù)據(jù)的差異確定各子帶分別對應(yīng)的平滑系數(shù)的修正系數(shù)，以對各子帶分別對應(yīng)的初始平滑系數(shù)進行修正，確定修正后的子帶能量歸一化聲學(xué)模型。

6.如權(quán)利要求5所述的裝置，其特征在于，還包括：

第四確定模塊，用于根據(jù)預(yù)設(shè)的規(guī)則，確定各子帶分別對應(yīng)的初始平滑參數(shù)。

7.如權(quán)利要求5-6任一所述的裝置，其特征在于，還包括：

第五確定模塊，用于對所述待識別的語音數(shù)據(jù)進行預(yù)處理，確定所述待識別的語音數(shù)據(jù)中各時頻單元對應(yīng)的濾波器組能量值；

所述第一確定模塊，具體用于：

所述利用訓(xùn)練后的子帶能量歸一化聲學(xué)模型，對所述待識別的語音數(shù)據(jù)中各時頻單元對應(yīng)的濾波器組能量值進行處理。