[發(fā)明專利]語(yǔ)音識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710445076.9
• 申請(qǐng)日: 2017-06-12
• 公開(kāi)（公告）號(hào): CN107633842B
• 公開(kāi)（公告）日: 2018-08-31
• 發(fā)明（設(shè)計(jì)）人: 梁浩;王健宗;程寧;肖京
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/14
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 王寧

本發(fā)明提出了一種語(yǔ)音識(shí)別方法，該方法包括：獲取待識(shí)別的語(yǔ)音數(shù)據(jù)；提取語(yǔ)音數(shù)據(jù)中的Filter Bank特征和MFCC特征；將MFCC特征作為GMM?HMM模型的輸入數(shù)據(jù)，獲取第一似然概率矩陣；將Filter Bank特征作為具有連接單元LSTM模型的輸入特征，獲取后驗(yàn)概率矩陣；將后驗(yàn)概率矩陣和第一似然概率矩陣作為HMM模型的輸入數(shù)據(jù)，獲取第二似然概率矩陣，根據(jù)第二似然概率矩陣在音素解碼網(wǎng)絡(luò)中獲取對(duì)應(yīng)的目標(biāo)詞序列。該方法通過(guò)將混合高斯模型和深度學(xué)習(xí)模型結(jié)合，且采用創(chuàng)新的具有連接單元LSTM模型作為聲學(xué)模型，提高了語(yǔ)音識(shí)別的準(zhǔn)確度。此外，還提出了一種語(yǔ)音識(shí)別裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)處理領(lǐng)域，特別是涉及一種語(yǔ)音識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

語(yǔ)音識(shí)別，也被稱為自動(dòng)語(yǔ)音識(shí)別(Automatic Speech Recognition,ASR)，其目標(biāo)是讓機(jī)器通過(guò)識(shí)別和理解，把語(yǔ)音信號(hào)變成文字，是現(xiàn)代人工智能發(fā)展的重要分支。語(yǔ)音識(shí)別技術(shù)的實(shí)現(xiàn)是自然語(yǔ)言處理的前提，并能有效推動(dòng)聲控交互相關(guān)領(lǐng)域的發(fā)展并極大方便人們的生活，如智能家居、語(yǔ)音輸入。語(yǔ)音識(shí)別的準(zhǔn)確度直接決定了技術(shù)應(yīng)用的有效性。

傳統(tǒng)的語(yǔ)音識(shí)別技術(shù)是基于GMM-HMM(混合高斯模型和隱馬爾科夫模型)進(jìn)行聲學(xué)模型的建立，近年來(lái)，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于DNN-HMM(深度學(xué)習(xí)模型和隱馬爾科夫模型)進(jìn)行聲學(xué)模型的建立相對(duì)于GMM-HMM在識(shí)別準(zhǔn)確度上雖然有了很大的提升，但是還有待于進(jìn)一步提高語(yǔ)音識(shí)別的準(zhǔn)確度。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述語(yǔ)音識(shí)別準(zhǔn)確度不夠的問(wèn)題，本發(fā)明提出了一種能更加準(zhǔn)確的語(yǔ)音識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

一種語(yǔ)音識(shí)別方法，所述方法包括：

獲取待識(shí)別的語(yǔ)音數(shù)據(jù)；

提取所述語(yǔ)音數(shù)據(jù)中的Filter Bank特征和MFCC特征；

將所述MFCC特征作為訓(xùn)練后的GMM-HMM模型的輸入數(shù)據(jù)，獲取所述訓(xùn)練后的GMM-HMM模型輸出的第一似然概率矩陣；

將所述Filter Bank特征作為訓(xùn)練后的具有連接單元的LSTM模型的輸入特征，獲取所述具有連接單元的LSTM模型輸出的后驗(yàn)概率矩陣，所述連接單元用于控制所述LSTM模型中層與層之間的信息流動(dòng)；

將所述后驗(yàn)概率矩陣和所述第一似然概率矩陣作為訓(xùn)練后的HMM模型的輸入數(shù)據(jù)，獲取輸出的第二似然概率矩陣；

根據(jù)所述第二似然概率矩陣在音素解碼網(wǎng)絡(luò)中獲取與所述待識(shí)別的語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的目標(biāo)詞序列。

一種語(yǔ)音識(shí)別裝置，所述裝置包括：

獲取模塊，用于獲取待識(shí)別的語(yǔ)音數(shù)據(jù)；

提取模塊，用于提取所述語(yǔ)音數(shù)據(jù)中的Filter Bank特征和MFCC特征；

第一輸出模塊，用于將所述MFCC特征作為訓(xùn)練后的GMM-HMM模型的輸入數(shù)據(jù)，獲取所述訓(xùn)練后的GMM-HMM模型輸出的第一似然概率矩陣；

后驗(yàn)概率矩陣輸出模塊，用于將所述Filter Bank特征作為訓(xùn)練后的具有連接單元的LSTM模型的輸入特征，獲取所述具有連接單元的LSTM模型輸出的后驗(yàn)概率矩陣，所述連接單元用于控制所述LSTM模型中層與層之間的信息流動(dòng)；

第二輸出模塊，用于將所述后驗(yàn)概率矩陣和所述第一似然概率矩陣作為訓(xùn)練后的HMM模型的輸入數(shù)據(jù)，獲取輸出的第二似然概率矩陣；

解碼模塊，用于根據(jù)所述第二似然概率矩陣在音素解碼網(wǎng)絡(luò)中獲取與所述待識(shí)別的語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的目標(biāo)詞序列。