[發(fā)明專利]優(yōu)化語音識別聲學(xué)模型的方法、系統(tǒng)、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810146221.8
• 申請日: 2018-02-12
• 公開（公告）號: CN108389577B
• 公開（公告）日: 2019-05-31
• 發(fā)明（設(shè)計）人: 雷延強
• 申請（專利權(quán)）人: 廣州視源電子科技股份有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種優(yōu)化語音識別聲學(xué)模型的方法，其特征在于，包括：

獲取樣本語音的標(biāo)注文本，并獲取所述樣本語音基于當(dāng)前聲學(xué)模型得到的識別文本；

比對所述標(biāo)注文本和所述識別文本，并在比對結(jié)果為不匹配時確定所述標(biāo)注文本相對所述識別文本的錯誤標(biāo)注信息；

根據(jù)所述錯誤標(biāo)注信息對應(yīng)的文本更新決策條件，更新所述樣本語音的標(biāo)注文本；

基于設(shè)定量的樣本語音及當(dāng)前分別對應(yīng)的標(biāo)注文本，重新訓(xùn)練優(yōu)化所述當(dāng)前聲學(xué)模型；其中，所述比對所述標(biāo)注文本和所述識別文本，并在比對結(jié)果為不匹配時確定所述標(biāo)注文本相對所述識別文本的錯誤標(biāo)注信息，包括：比對所述標(biāo)注文本和識別文本，獲得所述標(biāo)注文本與所述識別文本的編輯距離，并在所述編輯距離為非0時，確定比對結(jié)果為不匹配；

在所述比對結(jié)果為不匹配時，根據(jù)所述編輯距離，確定所述標(biāo)注文本相對所述識別文本的錯誤標(biāo)注總數(shù)、錯誤標(biāo)注的所在位置及各所述錯誤標(biāo)注的錯誤類型；

將所述錯誤標(biāo)注總數(shù)以及各錯誤標(biāo)注的所在位置和所屬錯誤類型記為所述錯誤標(biāo)注信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述錯誤標(biāo)注信息對應(yīng)的文本更新決策條件，更新所述樣本語音的標(biāo)注文本，包括：

基于所述錯誤標(biāo)注信息，在預(yù)設(shè)的多級信息關(guān)系表中查找所述樣本語音對應(yīng)的文本更新決策條件，其中，所述文本更新決策條件為樣本語音在標(biāo)注文本下發(fā)音概率信息與樣本語音在識別文本下發(fā)音概率信息的判定比較；

確定所述樣本語音與所述標(biāo)注文本對齊后的第一發(fā)音概率信息，以及與所述識別文本對齊后的第二發(fā)音概率信息；

當(dāng)基于所述第一發(fā)音概率信息及所述第二發(fā)音概率信息確定所述文本更新決策條件成立時，將所述識別文本確定為所述樣本語音的新標(biāo)注文本；否則，繼續(xù)將所述標(biāo)注文本作為所述樣本語音的新標(biāo)注文本。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述錯誤標(biāo)注信息，在預(yù)設(shè)的多級信息關(guān)系表中查找所述樣本語音對應(yīng)的文本更新決策條件，包括：

獲取所述錯誤標(biāo)注信息中的錯誤標(biāo)注總數(shù)及錯誤標(biāo)注的錯誤類型；

在所述多級信息關(guān)系表中，以所述錯誤標(biāo)注總數(shù)為索引，查找與所述錯誤標(biāo)注的錯誤類型匹配的設(shè)定錯誤類型；

將對應(yīng)于所述設(shè)定錯誤類型的更新決策條件確定為所述樣本語音的文本更新決策條件。

4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述多級信息關(guān)系表基于下述步驟構(gòu)建：

初始化包含一級信息列、二級信息列和三級信息列的多級信息關(guān)系表；

在所述一級信息列中存放設(shè)定錯誤標(biāo)注總數(shù)，所述設(shè)定錯誤標(biāo)注總數(shù)包括1字錯誤、2字錯誤和多字錯誤；

在所述二級信息列中存放分別對應(yīng)于所述1字錯誤及2字錯誤的設(shè)定錯誤類型，并設(shè)定所述多字錯誤所對應(yīng)二級信息單元格的信息為空；

在所述三級信息列中存放對應(yīng)于各所述設(shè)定錯誤類型的更新決策條件，并將設(shè)定的標(biāo)準(zhǔn)更新決策條件存放在所述多字錯誤對應(yīng)的三級信息單元格中。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述第一發(fā)音概率信息基于所述樣本語音以幀為單位劃分形成的語音信號幀以及對所述標(biāo)注文本建模形成的第一發(fā)音單元序列確定；

所述第二發(fā)音概率信息基于各所述語音信號幀及對所述識別文本建模形成的第二發(fā)音單元序列確定。