[發明專利]聲音識別方法和系統

有效

• 申請號: 201811051604.3
• 申請日: 2018-09-10
• 公開（公告）號: CN110890085B
• 公開（公告）日: 2023-09-12
• 發明（設計）人: 薛少飛;張仕良
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G10L15/08
• 分類號: G10L15/08;G10L15/16;G10L15/02
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 褚敏;宋子良

1.一種聲音識別方法，包括：

獲取聲音信號；

對所述聲音信號進行特征提取，得到所述聲音信號的聲學特征信息，其中，所述聲學特征信息在抑制干擾信息的情況下得到；

利用聲學模型和語言模型對所述聲學特征信息進行識別，得到所述聲音信號的識別結果，其中，所述聲學模型包括：LC-BLSTM模型和DFSMN模型，所述聲學模型由LC-BLSTM模型和DFSMN模型融合后得到。

2.根據權利要求1所述的方法，其中，利用聲學模型和語言模型對所述聲學特征信息進行識別，得到所述聲音信號的識別結果，包括：

利用所述聲學模型對所述聲學特征信息進行識別，得到所述聲學特征信息的聲學概率；

利用所述語言模型對所述聲學特征信息進行識別，得到所述聲學特征信息的語言模型概率；

基于所述聲學概率和所述語言模型概率，利用搜索算法得到所述識別結果。

3.根據權利要求2所述的方法，其中，利用所述聲學模型對所述聲學特征信息進行識別，得到所述聲學特征信息的聲學概率，包括：

將所述聲學特征信息分別輸入至第一網絡和第二網絡，得到第一輸出結果和第二輸出結果，其中，所述第一網絡包括：依次連接的LC-BLSTM層、DNN層和輸出層，所述第二網絡包括：依次連接的DFSMN層、DNN層和輸出層；

對所述第一輸出結果和所述第二輸出結果進行融合處理，得到所述聲學概率。

4.根據權利要求3所述的方法，所述方法還包括：

將所述聲學特征信息輸入至共享隱層，得到第三輸出結果；

將所述第三輸出結果分別輸入至所述第一網絡和所述第二網絡，得到所述第一輸出結果和所述第二輸出結果。

5.根據權利要求3或4所述的方法，其中，所述融合處理包括如下至少之一：平均、加權平均、投票。

6.根據權利要求2所述的方法，其中，利用所述聲學模型對所述聲學特征信息進行識別，得到所述聲學特征信息的聲學概率，包括：

將所述聲學特征信息輸入至LC-BLSTM層，得到第四輸出結果；

將所述第四輸出結果輸入至DFSMN層，得到第五輸出結果；

將所述第五輸出結果輸入至DNN層，得到所述聲學概率。

7.根據權利要求2所述的方法，其中，利用所述聲學模型對所述聲學特征信息進行識別，得到所述聲學特征信息的聲學概率，包括：

將所述聲學特征信息分別輸入至多層LC-BLSTM層和多層DFSMN層，得到第六輸出結果和第七輸出結果；

將所述第六輸出結果和所述第七輸出結果輸入至多層DNN層，得到所述聲學概率。

8.一種聲音識別系統，包括：

聲學特征提取模塊，用于對獲取到的聲音信號進行特征提取，得到所述聲音信號的聲學特征信息，其中，所述聲學特征信息在抑制干擾信息的情況下得到；

解碼器，用于利用聲學模型和語言模型對所述聲學特征信息進行識別，得到所述聲音信號的識別結果，其中，所述聲學模型包括：LC-BLSTM模型和DFSMN模型，所述聲學模型由LC-BLSTM模型和DFSMN模型融合后得到。

9.根據權利要求8所述的系統，其中，所述解碼器包括：

識別模塊，用于利用所述聲學模型對所述聲學特征信息進行識別，得到所述聲學特征信息的聲學概率，并利用所述語言模型對所述聲學特征信息進行識別，得到所述聲學特征信息的語言模型概率；

處理模塊，與所述識別模塊連接，用于基于所述聲學概率和所述語言模型概率，利用搜索算法得到所述識別結果。