[發明專利]一種語音識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 201711479538.5
• 申請日: 2017-12-29
• 公開（公告）號: CN107993651B
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 張淼;徐宇垚
• 申請（專利權）人: 深圳和而泰數據資源與云技術有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/16;G10L15/26
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

本發明實施例提供一種語音識別方法、裝置、電子設備及存儲介質，其中方法包括如下步驟：獲取第一格式的目標口語數據，采用預設編碼方式獲取所述目標口語數據對應的目標口語序列；將所述目標口語序列輸入至預先訓練的卷積神經網絡CNN模型中，以獲取所述目標口語序列對應的第二格式的目標語音序列；基于所述目標語音序列獲取所述目標口語數據對應的標準語音數據，并執行所述標準語音數據指示的操作指令。采用本發明，可以增強語音數據識別效果，進而提高了語音數據識別的準確率。

技術領域

本發明涉及電子技術領域，尤其涉及一種語音識別方法、裝置、電子設備及存儲介質。

背景技術

隨著社會的發展，電子技術發展的越來越快，智能家電設備也越來越普及。語音識別技術對于智能家電設備而言，是一項革命性的技術，由于其不需要手動操作，只需要發出語音指令，便可實現對智能家電設備控制。

目前，智能家電設備的語音控制方式通常是將用戶輸入的語音數據與訓練樣本直接進行匹配，基于匹配結果從而實現語音識別。但這種語音識別方式通常會因為用戶發音方式的不同或者用戶發音語法結構等因素影響，容易產生匹配錯誤，使得語音數據的識別效果較差，從而降低了語音數據識別的準確率。

發明內容

本發明實施例提供一種語音識別方法、裝置、電子設備及存儲介質，可以解決語音數據識別效果差而導致識別準確率低的問題。

本發明實施例第一方面提供了一種語音識別方法，包括：

獲取第一格式的目標口語數據，采用預設編碼方式獲取所述目標口語數據對應的目標口語序列；

將所述目標口語序列輸入至預先訓練的卷積神經網絡CNN模型中，以獲取所述目標口語序列對應的第二格式的目標語音序列；

基于所述目標語音序列獲取所述目標口語數據對應的標準語音數據，并執行所述標準語音數據指示的操作指令。

可選的，所述采用預設編碼方式獲取所述目標口語數據對應的目標口語序列，包括：

對所述目標口語數據進行分詞處理，以獲取所述目標口語數據對應的多個詞組數據；

將所述多個詞組數據中的每個詞組數據分別轉換為預設長度的向量，以獲取所述目標口語數據對應的目標口語序列。

可選的，所述對所述目標口語數據進行分詞處理，以獲取所述目標口語數據對應的多個詞組數據之后，還包括：

在停用詞集合中查找與所述多個詞組數據相匹配的目標詞組數據；

刪除所述多個詞組數據中的目標詞組數據。

可選的，所述將所述目標口語序列輸入至預先訓練的卷積神經網絡CNN模型中，以獲取所述目標口語序列對應的第二格式的目標語音序列之前，還包括：

采集所述第二格式的樣本語音數據以及與所述樣本語音數據相關聯的所述第一格式的第一口語數據和與所述樣本標準語音數據無關聯的所述第一格式的第二口語數據；

采用所述預設編碼方式分別對所述樣本語音數據、所述第一口語數據以及所述第二口語數據進行編碼，以分別獲取所述樣本語音數據對應的樣本語音序列、所述第一口語數據對應的第一口語序列以及所述第二口語數據對應的第二口語序列；

創建CNN模型，將所述樣本語音序列、所述第一口語序列以及所述第二口語序列作為所述CNN模型的輸入，并獲取所述CNN模型的損失值；

當所述損失值小于或者等于預設損失閾值時，生成訓練后的所述CNN模型。

可選的，所述將所述樣本語音序列、所述第一口語序列以及所述第二口語序列作為所述CNN模型的輸入，并獲取所述CNN模型的損失值，包括：