[發(fā)明專利]音頻信號(hào)識(shí)別方法、裝置、設(shè)備、系統(tǒng)和存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811148191.0
• 申請日: 2018-09-29
• 公開（公告）號(hào): CN111063338B
• 公開（公告）日: 2023-09-19
• 發(fā)明（設(shè)計(jì)）人: 薛少飛
• 申請（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/06;G10L15/16;G10L15/18;G10L15/26;G10L17/04;G10L17/26
• 代理公司: 北京東方億思知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11258
• 代理人: 吳崇

本發(fā)明實(shí)施例公開了一種音頻信號(hào)識(shí)別方法、裝置、設(shè)備、系統(tǒng)和存儲(chǔ)介質(zhì)，該方法包括：針對接收的音頻信號(hào)，確定音頻信號(hào)中是否包括特定音頻信號(hào)；如果音頻信號(hào)中包括特定音頻信號(hào)，基于語音識(shí)別模型組件處理音頻信號(hào)，得到音頻信號(hào)中語音識(shí)別單元的識(shí)別概率，語音識(shí)別模型組件包括特定聲學(xué)模型和非特定聲學(xué)模型；利用語言模型對音頻信號(hào)中語音識(shí)別單元的識(shí)別概率進(jìn)行聲學(xué)解碼，得到音頻信號(hào)的文本識(shí)別結(jié)果。根據(jù)本發(fā)明實(shí)施例提供的音頻信號(hào)識(shí)別方法，可以提高音頻信號(hào)識(shí)別準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)領(lǐng)域，尤其涉及一種音頻信號(hào)識(shí)別方法、裝置、設(shè)備、系統(tǒng)和存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著音頻信號(hào)識(shí)別技術(shù)的不斷發(fā)展，音頻信號(hào)識(shí)別技術(shù)在汽車駕駛領(lǐng)域、智能家居、智能商務(wù)系統(tǒng)等領(lǐng)域得到了廣泛的應(yīng)用，音頻信號(hào)識(shí)別技術(shù)可以通過對音頻信號(hào)的識(shí)別，準(zhǔn)確地執(zhí)行相應(yīng)的功能。

現(xiàn)階段，音頻信號(hào)識(shí)別技術(shù)對所有的音頻信號(hào)均使用同一套通用的音頻信號(hào)識(shí)別模型進(jìn)行識(shí)別。然而，不同的音頻信號(hào)的聲學(xué)特征存在一定的差異，這種音頻信號(hào)識(shí)別技術(shù)的識(shí)別準(zhǔn)確率有待提高。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種音頻信號(hào)識(shí)別方法、裝置、設(shè)備、系統(tǒng)和存儲(chǔ)介質(zhì)，能夠提高音頻信號(hào)的識(shí)別準(zhǔn)確率。

根據(jù)本發(fā)明實(shí)施例的一方面，提供一種音頻信號(hào)識(shí)別方法，包括：

針對接收的音頻信號(hào)，確定音頻信號(hào)中是否包括特定音頻信號(hào)；如果音頻信號(hào)中包括特定音頻信號(hào)，基于語音識(shí)別模型組件處理音頻信號(hào)，得到音頻信號(hào)中語音識(shí)別單元的識(shí)別概率，語音識(shí)別模型組件包括特定聲學(xué)模型和非特定聲學(xué)模型；利用語言模型對音頻信號(hào)中語音識(shí)別單元的識(shí)別概率進(jìn)行聲學(xué)解碼，得到音頻信號(hào)的文本識(shí)別結(jié)果。

根據(jù)本發(fā)明實(shí)施例的另一方面，提供一種音頻信號(hào)識(shí)別裝置，包括：

目標(biāo)音頻判斷模塊，用于判斷接收的音頻信號(hào)的聲學(xué)特征中是否包括目標(biāo)音頻信號(hào)的聲學(xué)特征；目標(biāo)音頻聲學(xué)特征識(shí)別模塊，用于接收的音頻信號(hào)的聲學(xué)特征中包括目標(biāo)音頻信號(hào)的聲學(xué)特征，則采用預(yù)設(shè)目標(biāo)音頻聲學(xué)模型識(shí)別接收的音頻信號(hào)的聲學(xué)特征；通用聲學(xué)特征識(shí)別模塊，用于接收的音頻信號(hào)的聲學(xué)特征中未包括目標(biāo)音頻信號(hào)的聲學(xué)特征，則采用預(yù)設(shè)通用聲學(xué)模型識(shí)別接收的音頻信號(hào)的聲學(xué)特征。

根據(jù)本發(fā)明實(shí)施例的再一方面，提供一種音頻信號(hào)識(shí)別系統(tǒng)，包括：

集音設(shè)備，用于接收音頻信號(hào)；音頻信號(hào)識(shí)別設(shè)備，用于針對接收的音頻信號(hào)，確定音頻信號(hào)中是否包括特定音頻信號(hào)，如果音頻信號(hào)中包括特定音頻信號(hào)，基于語音識(shí)別模型組件處理音頻信號(hào)，得到音頻信號(hào)中語音識(shí)別單元的識(shí)別概率，語音識(shí)別模型組件包括特定聲學(xué)模型和非特定聲學(xué)模型，利用語言模型對音頻信號(hào)中語音識(shí)別單元的識(shí)別概率進(jìn)行聲學(xué)解碼，得到音頻信號(hào)的文本識(shí)別結(jié)果。

根據(jù)本發(fā)明實(shí)施例的又一方面，提供一種音頻信號(hào)識(shí)別設(shè)備，包括：存儲(chǔ)器和處理器；該存儲(chǔ)器用于存儲(chǔ)程序；該處理器用于讀取存儲(chǔ)器中存儲(chǔ)的可執(zhí)行程序代碼以執(zhí)行上述的音頻信號(hào)識(shí)別方法。

根據(jù)本發(fā)明實(shí)施例的還一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有指令，當(dāng)指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述各方面的音頻信號(hào)識(shí)別方法。

根據(jù)本發(fā)明實(shí)施例中的音頻信號(hào)識(shí)別方法、裝置、設(shè)備、系統(tǒng)和存儲(chǔ)介質(zhì)，可以在確定接收的音頻信號(hào)的聲學(xué)特征包括特定音頻信號(hào)的聲學(xué)特征時(shí)，語音信號(hào)識(shí)別模型組件利用特定聲學(xué)模型和非特定聲學(xué)模型，對接收的音頻信號(hào)的聲學(xué)特征進(jìn)行識(shí)別，提高音頻信號(hào)識(shí)別準(zhǔn)確率。

附圖說明

從下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式的描述中可以更好地理解本發(fā)明其中，相同或相似的附圖標(biāo)記表示相同或相似的特征。

圖1示出了根據(jù)本發(fā)明示例性實(shí)施例的音頻信號(hào)識(shí)別系統(tǒng)的實(shí)際應(yīng)用場景；

圖2示出了本發(fā)明一實(shí)施例的音頻信號(hào)的識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖；