[發明專利]語音識別方法及系統

有效

• 申請號: 201810054315.2
• 申請日: 2018-01-19
• 公開（公告）號: CN108417202B
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 俞凱;陳哲懷;劉奇;李豪;游永彬
• 申請（專利權）人: 蘇州思必馳信息科技有限公司;上海交大知識產權管理有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/16;G10L15/26
• 代理公司: 北京商專永信知識產權代理事務所(普通合伙) 11400
• 代理人: 方挺;黃謙

1.一種語音識別方法，包括：

提取待識別的語音數據的聲學特征；

基于聲學-音素神經網絡模型，將所述聲學特征解碼為音素陣列；以及

基于音素-語言神經網絡模型，將所述音素陣列進一步解碼為文字序列；

在所述基于聲學-音素神經網絡模型將所述聲學特征解碼為音素陣列之后，還包括：使用音素同步解碼程序模塊來采樣所述聲學-音素神經網絡模型所解碼的所述音素陣列，并將采樣后的所述音素陣列輸入至所述音素-語言神經網絡模型，其中所述音素同步解碼程序模塊跨接所述聲學-音素神經網絡模型和所述音素-語言神經網絡模型。

2.根據權利要求1所述的方法，其中，該方法還包括針對所述音素-語言神經網絡模型的訓練步驟，包括：

基于詞典表和文本數據訓練所述音素-語言神經網絡模型，其中所述詞典表中預存儲音素序列和對應的文字序列。

3.根據權利要求2所述的方法，其中，所述針對所述音素-語言神經網絡模型的訓練步驟還包括：

使用基于注意力的編碼器-解碼器來訓練所述音素-語言神經網絡模型，以令所述音素-語言神經網絡模型自動學習對準音素序列和單詞序列。

4.根據權利要求1所述的方法，其中，該方法還包括針對所述聲學-音素神經網絡模型的訓練步驟，包括：

根據聯結主義時序分類，使用聲學特征和對應的音素序列訓練所述聲學-音素神經網絡模型。

5.一種語音識別系統，包括：

特征提取程序模塊，用于提取待識別的語音數據的聲學特征；

聲學-音素神經網絡模型，用于將所述聲學特征解碼為音素陣列；以及

音素-語言神經網絡模型，用于將所述音素陣列進一步解碼為文字序列；

音素同步解碼程序模塊，其跨接所述聲學-音素神經網絡模型和所述音素-語言神經網絡模型，用于采樣所述聲學-音素神經網絡模型所解碼的所述音素陣列，并將采樣后的所述音素陣列輸入至所述音素-語言神經網絡模型。

6.根據權利要求5所述的系統，其中，該系統還包括：

第一訓練程序模塊，用于基于詞典表和文本數據訓練所述音素-語言神經網絡模型，其中所述詞典表中預存儲音素序列和對應的文字序列。

7.一種存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1-4中任一項所述方法的步驟。

8.一種電子設備，其包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1-4中任一項所述方法的步驟。