[發(fā)明專利]基于人工智能的語(yǔ)音識(shí)別方法、裝置及終端

有效

• 申請(qǐng)?zhí)枺?/td>: 201710414207.7
• 申請(qǐng)日: 2017-06-05
• 公開（公告）號(hào): CN107346659B
• 公開（公告）日: 2020-06-23
• 發(fā)明（設(shè)計(jì)）人: 陳明明;李先剛;孫玨
• 申請(qǐng)（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(hào): G10L15/06
• 分類號(hào): 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(shí)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(yǔ)音識(shí)別方法、裝置及終端，其中，該方法包括：獲取待識(shí)別的語(yǔ)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(duì)待識(shí)別的語(yǔ)音數(shù)據(jù)進(jìn)行處理，確定待識(shí)別的語(yǔ)音數(shù)據(jù)中各時(shí)頻單元對(duì)應(yīng)的歸一化能量特征；根據(jù)各時(shí)頻單元對(duì)應(yīng)的歸一化能量特征，確定待識(shí)別的語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的文本數(shù)據(jù)。由此，實(shí)現(xiàn)了根據(jù)歸一化能量特征，進(jìn)行語(yǔ)音識(shí)別，提高了語(yǔ)音識(shí)別的準(zhǔn)確性，優(yōu)化了語(yǔ)音喚醒的效果，改善了用戶體驗(yàn)。

技術(shù)領(lǐng)域

本發(fā)明涉及音頻技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的語(yǔ)音識(shí)別方法、裝置及終端。

背景技術(shù)

人工智能(Artificial Intelligence，簡(jiǎn)稱AI)，是研究、開發(fā)用于模擬、延伸和擴(kuò)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(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)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(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。

隨著科學(xué)技術(shù)的進(jìn)步，語(yǔ)音喚醒技術(shù)被廣泛應(yīng)用于移動(dòng)終端、智能家居或語(yǔ)音交互系統(tǒng)中，為用戶利用語(yǔ)音指令喚醒設(shè)備提供了方便。

目前，國(guó)內(nèi)外主流的語(yǔ)音喚醒技術(shù)，通常利用濾波器組(filter bank，簡(jiǎn)稱FB)特征進(jìn)行語(yǔ)音識(shí)別。在安靜近場(chǎng)的場(chǎng)景下，filter bank特征每一個(gè)子帶的能量都非常明顯，這種特征符合人耳聽力的特征，因此可以很好的應(yīng)用于語(yǔ)音識(shí)別領(lǐng)域。然而，在噪聲場(chǎng)景和遠(yuǎn)場(chǎng)場(chǎng)景下，filter bank特征的各個(gè)子帶的能量會(huì)出現(xiàn)失衡，這就導(dǎo)致了語(yǔ)音識(shí)別的準(zhǔn)確性低，影響語(yǔ)音喚醒的效果。

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(wèn)題之一。

為此，本發(fā)明的第一個(gè)目的在于提出一種基于人工智能的語(yǔ)音識(shí)別方法，實(shí)現(xiàn)了根據(jù)歸一化能量特征，進(jìn)行語(yǔ)音識(shí)別，提高了語(yǔ)音識(shí)別的準(zhǔn)確性，優(yōu)化了語(yǔ)音喚醒的效果，改善了用戶體驗(yàn)。

本發(fā)明的第二個(gè)目的在于提出一種基于人工智能的語(yǔ)音識(shí)別裝置。

本發(fā)明的第三個(gè)目的在于提出一種終端。

本發(fā)明的第四個(gè)目的在于提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

本發(fā)明的第五個(gè)目的在于提出一種計(jì)算機(jī)程序產(chǎn)品。

為達(dá)上述目的，本發(fā)明第一方面實(shí)施例提出了一種基于人工智能的語(yǔ)音識(shí)別方法，包括：獲取待識(shí)別的語(yǔ)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(duì)所述待識(shí)別的語(yǔ)音數(shù)據(jù)進(jìn)行處理，確定所述待識(shí)別的語(yǔ)音數(shù)據(jù)中各時(shí)頻單元對(duì)應(yīng)的歸一化能量特征；根據(jù)所述各時(shí)頻單元對(duì)應(yīng)的歸一化能量特征，確定所述待識(shí)別的語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的文本數(shù)據(jù)。

本發(fā)明實(shí)施例的基于人工智能的語(yǔ)音識(shí)別方法，首先獲取待識(shí)別的語(yǔ)音數(shù)據(jù)，然后利用訓(xùn)練后的子帶能量歸一化聲學(xué)模型，對(duì)待識(shí)別的語(yǔ)音數(shù)據(jù)進(jìn)行處理，確定待識(shí)別的語(yǔ)音數(shù)據(jù)中各時(shí)頻單元對(duì)應(yīng)的歸一化能量特征，最后根據(jù)各時(shí)頻單元對(duì)應(yīng)的歸一化能量特征，確定待識(shí)別的語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的文本數(shù)據(jù)。由此，實(shí)現(xiàn)了根據(jù)歸一化能量特征，進(jìn)行語(yǔ)音識(shí)別，提高了語(yǔ)音識(shí)別的準(zhǔn)確性，優(yōu)化了語(yǔ)音喚醒的效果，改善了用戶體驗(yàn)。

為達(dá)上述目的，本發(fā)明第二方面實(shí)施例提出了一種基于人工智能的語(yǔ)音識(shí)別裝置，包括：第一獲取模塊，用于獲取待識(shí)別的語(yǔ)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(duì)所述待識(shí)別的語(yǔ)音數(shù)據(jù)進(jìn)行處理，確定所述待識(shí)別的語(yǔ)音數(shù)據(jù)中各時(shí)頻單元對(duì)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(shí)頻單元對(duì)應(yīng)的歸一化能量特征，確定所述待識(shí)別的語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的文本數(shù)據(jù)。