[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

本申請公開了一種聲音識別方法和系統。其中，該方法包括：獲取聲音信號；對聲音信號進行特征提取，得到聲音信號的聲學特征信息；利用聲學模型和語言模型對聲學特征信息進行識別，得到聲音信號的識別結果，其中，聲學模型包括：LC?BLSTM模型和DFSMN模型。本申請解決了現有技術中聲音識別方法在復雜環境中的識別準確率不高的技術問題。

技術領域

本申請涉及語音識別領域，具體而言，涉及一種聲音識別方法和系統。

背景技術

聲學模型訓練是一個語音識別系統的核心部分，占據著大部分的計算開銷并在很大程度上決定著系統的識別性能，它利用訓練語音特征及其對應的標注信息進行有監督的聲學模型建模。隨著深度學習在聲學模型建模中的應用，語音識別準確率不斷提高，諸如DNN(深度神經網絡，Deep?Neural?Network)、LSTM(長短時記憶網絡，Long?Short-TermMemory)、BLSTM(雙向長短時記憶網絡，Bidirectional?Long?Short-Term?Memory)、CNN(卷積神經網絡，Convolutional?Neural?Network)、FSMN(前饋型序列記憶網絡，Feed-forwardSequential?Memory?Network)等模型結構被提出并使用在了模型建模中。語音識別模型的建模能力在很大程度上會決定識別的效果，傳統的DNN、LSTM等模型在復雜環境下效果不夠理想。

針對現有技術中聲音識別方法在復雜環境中的識別準確率不高的問題，目前尚未提出有效的解決方案。

發明內容

本申請實施例提供了一種聲音識別方法和系統，以至少解決現有技術中聲音識別方法在復雜環境中的識別準確率不高的技術問題。

根據本申請實施例的一個方面，提供了一種聲音識別方法，包括：獲取聲音信號；對聲音信號進行特征提取，得到聲音信號的聲學特征信息；利用聲學模型和語言模型對聲學特征信息進行識別，得到聲音信號的識別結果，其中，聲學模型包括：LC-BLSTM模型和DFSMN模型。

根據本申請實施例的另一方面，還提供了一種聲音識別系統，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，得到聲音信號的聲學特征信息；解碼器，用于利用聲學模型和語言模型對聲學特征信息進行識別，得到聲音信號的識別結果，其中，聲學模型包括：LC-BLSTM模型和DFSMN模型。

根據本申請實施例的另一方面，還提供了一種存儲介質，存儲介質包括存儲的程序，其中，在程序運行時控制存儲介質所在設備執行如下步驟：獲取聲音信號；對聲音信號進行特征提取，得到聲音信號的聲學特征信息；利用聲學模型和語言模型對聲學特征信息進行識別，得到聲音信號的識別結果，其中，聲學模型包括：LC-BLSTM模型和DFSMN模型。

根據本申請實施例的另一方面，還提供了一種移動設備，包括：處理器，處理器用于運行程序，其中，在程序運行時執行以下步驟：獲取聲音信號；對聲音信號進行特征提取，得到聲音信號的聲學特征信息；利用聲學模型和語言模型對聲學特征信息進行識別，得到聲音信號的識別結果，其中，聲學模型包括：LC-BLSTM模型和DFSMN模型。

根據本申請實施例的另一方面，還提供了一種聲音識別系統，包括：處理器；以及存儲器，與處理器連接，用于為處理器提供處理以下處理步驟的指令：獲取聲音信號；對聲音信號進行特征提取，得到聲音信號的聲學特征信息；利用聲學模型和語言模型對聲學特征信息進行識別，得到聲音信號的識別結果，其中，聲學模型包括：LC-BLSTM模型和DFSMN模型。

在本申請實施例中，在獲取到語音信息之后，可以對聲音信號進行特征提取，得到聲音信號的聲學特征信息，進一步地，可以利用聲學模型和語言模型對聲學特征信息進行識別，得到聲音信號的識別，從而實現聲音識別的目的。