[發明專利]視頻語音識別方法及系統

在審

• 申請號: 201810779665.5
• 申請日: 2018-07-16
• 公開（公告）號: CN109036387A
• 公開（公告）日: 2018-12-18
• 發明（設計）人: 徐曉娜;裴歡歡;王進貴;趙悅
• 申請（專利權）人: 中央民族大學
• 主分類號: G10L15/06
• 分類號: G10L15/06
• 代理公司: 北京卓唐知識產權代理有限公司 11541
• 代理人: 唐海力;李志剛

1.一種語音識別方法，從視頻文件中提取音頻信息，其特征在于，所述方法包括：

對所述音頻信息進行特征提取，得到所述音頻信息的第一特征向量；

根據所述第一特征向量對語音識別模型進行模型訓練，得到訓練后的所述第一語音識別模型；

根據所述第一語音識別模型對所述音頻信息進行語音識別，得到第一語音識別結果。

2.根據權利要求1所述的語音識別方法，其特征在于，所述對所述音頻信息進行特征提取，得到所述音頻信息的第一特征向量包括：

提取所述音頻信息中每一幀的頻譜系數，得到第一特征參數序列。

3.根據權利要求2所述的語音識別方法，其特征在于，所述根據所述第一特征向量對語音識別模型進行模型訓練，得到訓練后的所述第一語音識別模型包括：

根據所述第一特征參數序列，對預設隱馬爾可夫語音模型進行模型訓練，得到訓練后的所述第一語音識別模型。

4.根據權利要求1所述的語音識別方法，其特征在于，所述根據所述第一語音識別模型對所述音頻信息進行語音識別，得到第一語音識別結果包括：

將所述第一語音識別模型與預設聲學模型進行模式匹配，得到第一聲學模型序列；

根據所述第一聲學模式序列對所述音頻信息進行語音識別，得到第一識別文字信息。

5.根據權利要求1所述的語音識別方法，其特征在于，所述對所述音頻信息進行特征提取，得到所述音頻信息的第一特征向量之前包括：

將所述音頻信息按照預設規則切割成至少一個音頻文件，得到第一音頻文件。

6.根據權利要求1所述的語音識別方法，其特征在于，所述對所述音頻信息進行特征提取，得到所述音頻信息的第一特征向量之前包括：

對所述音頻信息進行抗混疊濾波處理，得到經過處理后的第二音頻文件。

7.根據權利要求1所述的語音識別方法，其特征在于，所述對所述音頻信息進行特征提取，得到所述音頻信息的第一特征向量之前包括：

對所述音頻信息進行預加重處理，得到經過處理后的第三音頻文件。

8.根據權利要求1所述的語音識別方法，其特征在于，所述對所述音頻信息進行特征提取，得到所述音頻信息的第一特征向量之前包括：

對所述音頻信息進行端點檢測處理，得到經過處理后的第四音頻文件。

9.一種語音識別系統，從視頻文件中提取音頻信息，其特征在于，包括：

提取單元，用于對所述音頻信息進行特征提取，得到所述音頻信息的第一特征向量；

訓練單元，用于根據所述第一特征向量對語音識別模型進行模型訓練，得到訓練后的所述第一語音識別模型；

識別單元，用于根據所述第一語音識別模型對所述音頻信息進行語音識別，得到第一語音識別結果。

10.根據權利要求9所述的語音識別系統，其特征在于，所述識別單元包括：

模式匹配模塊，用于將所述第一語音識別模型與預設聲學模型進行模式匹配，得到第一聲學模型序列；

語音識別模塊，用于根據所述第一聲學模式序列對所述音頻信息進行語音識別，得到第一識別文字信息。