[發明專利]語音識別結果糾正方法、裝置、設備及存儲介質

有效

• 申請號: 201710508531.5
• 申請日: 2017-06-28
• 公開（公告）號: CN107293296B
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 黃俊;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: G10L15/22
• 分類號: G10L15/22;G10L15/26
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種語音識別結果糾正方法，其特征在于，包括：

對獲取的語音數據進行語音識別，得到初始文本信息；

采用神經機器翻譯NMT模型對所述初始文本信息進行識別糾正，得到最終的文本識別結果；

其中，采用神經機器翻譯NMT模型對所述初始文本信息進行識別糾正，得到最終的文本識別結果包括：

將所述初始文本信息中包含的文字進行切分，得到至少一個字詞；

通過NMT模型中的編碼器將所述字詞編碼為稠密向量，通過NMT模型中的解碼器對所述稠密向量進行解碼，得到最終的文本識別結果；

其中，通過NMT模型中的編碼器將所述字詞編碼為稠密向量，通過NMT模型中的解碼器對所述稠密向量進行解碼，得到最終的文本識別結果包括：

通過NMT模型中的編碼器將所述至少一個字詞轉換為源隱狀態向量；

將所述源隱狀態向量輸入NMT模型中的解碼器，通過所述NMT模型中的解碼器輸出目標隱狀態向量；

根據所述目標隱狀態向量和所述源隱狀態向量確定注意力attention機制的隱狀態向量；

根據所述attention機制的隱狀態向量，得到最終的文本識別結果；

其中，根據所述目標隱狀態向量和所述源隱狀態向量確定注意力attention機制的隱狀態向量包括：

通過所述NMT模型中的解碼器輸出源隱狀態向量的中心位置，并根據所述中心位置獲取至少一個預設位置上的字詞的源隱狀態向量；

根據所述至少一個預設位置上的字詞的源隱狀態向量和目標隱狀態向量計算得到對齊權重，并根據所述對齊權重得到上下文向量；

根據所述上下文向量和目標隱狀態向量計算得到attention的隱狀態向量。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

將所述attention的隱狀態向量作為反饋，重新輸入所述NMT模型中的解碼器。

3.根據權利要求1-2任一項所述的方法，其特征在于，所述方法還包括：

對已知語音數據進行語音識別，將識別得到的文本信息作為源數據；

對所述已知語音數據對應的正確文本信息進行標注，將標注后的文本信息作為目標數據；

根據所述源數據和所述目標數訓練得到所述NMT模型。

4.一種語音識別結果糾正裝置，其特征在于，包括：

語音識別模塊，用于對獲取的語音數據進行語音識別，得到初始文本信息；

文本糾正模塊，用于采用神經機器翻譯NMT模型對所述初始文本信息進行識別糾正，得到最終的文本識別結果；

其中，文本糾正模塊包括：

字詞切分單元，用于將所述初始文本信息中包含的文字進行切分，得到至少一個字詞；

文本糾正單元，用于通過NMT模型中的編碼器將所述字詞編碼為稠密向量，通過NMT模型中的解碼器對所述稠密向量進行解碼，得到最終的文本識別結果；

其中，所述文本糾正單元具體用于：通過NMT模型中的編碼器將所述至少一個字詞轉換為源隱狀態向量；將所述源隱狀態向量輸入NMT模型中的解碼器，通過所述NMT模型中的解碼器輸出目標隱狀態向量；根據所述目標隱狀態向量和所述源隱狀態向量確定注意力attention機制的隱狀態向量；根據所述attention機制的隱狀態向量，得到最終的文本識別結果；

所述文本糾正單元具體還用于：通過所述NMT模型中的解碼器輸出源隱狀態向量的中心位置，并根據所述中心位置獲取至少一個預設位置上的字詞的源隱狀態向量；根據所述至少一個預設位置上的字詞的源隱狀態向量和目標隱狀態向量計算得到對齊權重，并根據所述對齊權重得到上下文向量；根據所述上下文向量和目標隱狀態向量計算得到attention的隱狀態向量。

5.根據權利要求4所述的裝置，其特征在于，所述裝置還包括：

反饋模塊，用于將所述attention的隱狀態向量作為反饋，重新輸入所述NMT模型中的解碼器。