[發明專利]一種語音識別方法及裝置

在審

• 申請號: 201710703943.4
• 申請日: 2017-08-16
• 公開（公告）號: CN107403620A
• 公開（公告）日: 2017-11-28
• 發明（設計）人: 王強
• 申請（專利權）人: 廣東海翔教育科技有限公司
• 主分類號: G10L15/18
• 分類號: G10L15/18;G10L15/187;G10L15/19
• 代理公司: 佛山市智匯聚晨專利代理有限公司44409
• 代理人: 張艷梅

技術領域

本發明屬于語音識別技術領域，特別是涉及一種語音識別方法及裝置。

背景技術

本發明涉及語音識別技術，更具體地講，涉及一種通過將基于統計語言模型的識別與基于語法規則的識別結合從而實現聲音識別和語義理解一體化的語音識別方法和語音識別系統。

隨著人工智能產品在生活中的滲透率越來越高，其中技術的發展也成為了眾人關心的重點所在。作為人機自然交互的基本途徑之一，近期以來，語音識別的發展不可謂不快速。

語音識別是將人類的聲音信號轉化為文字或者指令的過程。語音識別以語音為研究對象，它是語音信號處理的一個重要研究方向，是模式識別的一個分支。語音識別的研究涉及微機技術、人工智能、數字信號處理、模式識別、聲學、語言學和認知科學等許多學科領域，是一個多學科綜合性研究領域。

根據在不同限制條件下的研究任務，產生了不同的研究領域。這些領域包括：根據對說話人說話方式的要求，可分為孤立字(詞)、連接詞和連續語音識別系統；根據對說話人的依賴程度，可分為特定人和非特定人語音識別系統；根據詞匯量的大小，可分為小詞匯量、中等詞匯量、大詞匯量以及無限詞匯量語音識別系統。

語音識別的研究工作對于信息化社會的發展，人們生活水平的提高等方面有著深遠的意義。隨著計算機信息技術的不斷發展，語音識別技術將取得更多重大突破，語音識別系統的研究將會更加深入，有著更加廣闊的發展空間。現如今，語音識別在移動終端上的應用最為火熱，語音對話機器人、語音助手、互動工具等層出不窮，許多互聯網公司紛紛投入人力、物力和財力展開此方面的研究和應用，目的是通過語音交互的新穎和便利模式迅速占領客戶群。

隨著信息技術的發展，語音識別技術已經走入了人們的生活。在現有的常用語音識別技術中，通常用到的識別方法是基于統計語言模型（Ngram）的識別，或者是基于語法規則（grammer）的識別。基于統計語言模型的識別是把所有語音層信息組合成一個Ngram語言模型，識別結果是在Ngram模型所組成的解碼空間上進行的。基于語法規則的識別是把語言層信息組織成固 定的語法（grammer），識別的解碼過程是在grammer上進行的。一般來說，基于Ngram的識別具有較高的靈活性，但是識別率偏低。基于grammer的識別具有較高的識別準確度，但是只能識別語法規則規定的語法樣式的識別，不具備可推廣性。

發明內容

本發明的目的在于提供一種語音識別方法及裝置，以通過將基于統計語言模型的識別與基于語法規則的識別結合從而實現聲音識別和語義理解一體化，從而提高語音識別的準確度。

為了達到上述目的，本發明提供了語音識別方法及裝置，所述語音識別方法包括步驟：

接收輸入的語音信號，并根據所述語音信號提取語音幀特征；

根據所述語音幀特征，對所述輸入的語音信號進行語音解碼，并獲得語音解碼結果；

根據所述語音解碼結果，通過回溯選擇的解碼路徑上的各個節點確定語義解析結果。

優選的，所述語音解碼結果獲得過程至少包括：將所述輸入的語音信號遍歷解碼空間中的每一條解碼路徑；根據所遍歷的結果選擇語言層得分與聲學層得分之和最大的目標解碼路徑，并根據所述目標解碼路徑上的各個節點的三音子聲學模型確定語音解碼結果；

優選的，每條解碼路徑的語言層得分為該解碼路徑上的各個節點之間的類語言模型概率P-Class與該解碼路徑上的統計語言模型節點的統計語言模型概率P-Ngram之和。

優選的，每條解碼路徑的聲學層得分為該解碼路徑上的各個節點的三音子聲學模型得分之和。

優選的，對于類語言模型節點，與該節點相應的詞類詞被展開為對應的三音子聲學模型。

此外，本發明還提供一種語音識別裝置，所述裝置包括：

接收模塊，用于接收輸入的語音信號，并根據所述語音信號提取語音幀特征；

解碼模塊，用于根據所述語音幀特征，對所述輸入的語音信號進行語音解碼，并獲得語音解碼結果，其中，所述語音解碼結果獲得過程至少包括：將所述輸入的語音信號遍歷解碼空間中的每一條解碼路徑；根據所遍歷的結果選擇語言層得分與聲學層得分之和最大的目標解碼路徑，并根據所述目標解碼路徑上的各個節點的三音子聲學模型確定語音解碼結果；

解析模塊，用于根據所述語音解碼結果，通過回溯選擇的解碼路徑上的各個節點確定語義解析結果。