[發明專利]一種語音識別方法以及語音識別裝置

在審

• 申請號: 201811459773.0
• 申請日: 2018-11-30
• 公開（公告）號: CN111261141A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 梁鳴心;郭庭煒;趙帥江
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/16;G10L15/18;G10L15/22;G10L25/03;G10L25/24;G10L25/27;G10L25/30;G10L25/51
• 代理公司: 北京超成律師事務所 11646
• 代理人: 鄧超

1.一種語音識別方法，其特征在于，包括：

獲取待識別語音；

確定表征所述待識別語音的聲學特征的第一特征向量，以及所述待識別語音的至少一種發音特征分別對應的第二特征向量；

基于所述第一特征向量和所述第二特征向量，以及預先訓練的語種鑒別模型，得到所述待識別語音的語種信息；

根據所述待識別語音的語種信息，獲取與所述語種信息對應的語音識別模型，并將所述第一特征向量輸入至所述語音識別模型，獲取所述待識別語音的語音識別結果。

2.根據權利要求1所述的方法，其特征在于，所述聲學特征包括：梅爾頻率倒譜系數MFCC特征；所述發音特征包括：音素特征、音節特征、字特征中至少一項。

3.根據權利要求1所述的方法，其特征在于，所述基于所述第一特征向量和所述第二特征向量，以及預先訓練的語種鑒別模型，得到所述待識別語音的語種信息，包括：

將所述第一特征向量和所述第二特征向量進行融合，生成目標特征向量；

將所述目標特征向量輸入至預先訓練的所述語種鑒別模型，得到所述待識別語音的語種信息。

4.根據權利要求3所述的方法，其特征在于，將所述第一特征向量和所述第二特征向量進行融合，生成目標特征向量，包括：

將所述第一特征向量和所述第二特征向量進行拼接，生成所述目標特征向量；或者，

將所述第一特征向量和所述第二特征向量進行融合進行拼接，形成拼接向量；提取所述拼接向量的低維變換矢量特征，并基于提取的低維變換矢量特征生成所述目標特征向量。

5.根據權利要求1所述的方法，其特征在于，采用下述方式得到所述語種鑒別模型：

獲取多個第一語音樣本，以及每個所述第一語音樣本的語種信息；

針對獲取的每個所述第一語音樣本，確定表征該第一語音樣本聲學特征的第一樣本特征向量，以及該第一語音樣本的至少一種發音特征分別對應的第二樣本特征向量；

基于所述第一樣本特征向量和所述第二樣本特征向量，以及所述第一語音樣本對應的語種信息，進行語種鑒別模型的訓練。

6.根據權利要求1所述的方法，其特征在于，確定所述待鑒別語種的至少一種發音特征分別對應的第二特征向量，包括：

針對每種發音特征，將所述第一特征向量輸入該種發音特征對應的特征向量提取網絡中，得到該種發音特征的第二特征向量。

7.根據權利要求6所述的方法，其特征在于，采用下述方式生成所述特征向量提取網絡：

獲取多個第二語音樣本，以及每個所述第二語音樣本在所述至少一種所述發音特征下的特征標注信息；

針對獲取的每個第二語音樣本，確定表征該第二語音樣本的聲學特征的第三樣本特征向量；

基于所述第三樣本特征向量和所述特征標注信息，進行所述特征向量提取網絡的訓練。

8.根據權利要求7所述的方法，其特征在于，所述基于所述第三樣本特征向量和所述特征標注信息，進行所述特征向量提取網絡的訓練，包括：

計算所述第三樣本特征向量與所述特征標注信息之間的相似度，并將所述相似度與預設的所述相似度閾值進行比對；

在所述相似度小于預設的所述相似度閾值時，調整所述特征向量提取網絡參數，并基于調整后的特征向量提取網絡重新獲得所述第三樣本特征向量；

返回所述計算所述第三樣本特征向量與所述特征標注信息之間的相似度的操作，直到所述第三樣本特征向量與所述特征標注信息之間的相似度不小于預設的相似度閾值。