[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

本申請提供了一種語音識別方法以及語音識別裝置，其中語音識別方法包括：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。本申請實施例能夠提升對待識別語音的識別準確率。

技術領域

本申請涉及機器學習技術領域，具體而言，涉及一種語音識別方法以及語音識別裝置。

背景技術

近年來，隨著語音產品的不斷推廣，語音輸入作為一種重要的人機交互手段，被越來越多的人們所接受。然而，由于不同地區的語言千差萬別，因此很難找到一種有效的通用語音識別模型來處理所有不同種類的語音輸入。當前一般采用通過用戶人工設置慣用語種，并在用戶輸入語音后，基于用戶設置的慣用語種，確定與用戶人工設置的習慣語種對應的語音識別模型，然后根據確定的鑒別模型，來識別用戶的語音。

當前的語音識別方法，由于一臺終端設備一般只設置一種慣用語種，一旦用戶更改輸入的語音語種，或者終端設備被他人使用，將無法正確識別出用戶輸入的語音。

發明內容

有鑒于此，本申請實施例的目的在于提供一種語音識別方法以及語音識別裝置，能夠提升對待識別語音的識別準確率。

第一方面，提供一種語音識別方法，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。

一種可選實施方式中，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。

一種可選實施方式中，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。

一種可選實施方式中，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。

一種可選實施方式中，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。