[發(fā)明專利]一種基于關(guān)鍵詞的語(yǔ)音識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811636670.7
• 申請(qǐng)日: 2018-12-29
• 公開(kāi)（公告）號(hào): CN109545190B
• 公開(kāi)（公告）日: 2021-06-29
• 發(fā)明（設(shè)計(jì)）人: 許超逸;劉曉珍;張惠亮;吳鋒海
• 申請(qǐng)（專利權(quán)）人: 聯(lián)動(dòng)優(yōu)勢(shì)科技有限公司
• 主分類號(hào): G10L15/04
• 分類號(hào): G10L15/04;G10L15/06;G10L15/16;G10L25/24;G10L25/30
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;李相雨

1.一種基于關(guān)鍵詞的語(yǔ)音識(shí)別方法，其特征在于，包括：

獲取語(yǔ)音信號(hào)，并將所述語(yǔ)音信號(hào)按照時(shí)間順序切分為至少一個(gè)語(yǔ)音切片；

采用預(yù)先訓(xùn)練的LAS模型得到與每個(gè)語(yǔ)音切片對(duì)應(yīng)的拼音切片；

將所有拼音切片拼接為與所述語(yǔ)音信號(hào)對(duì)應(yīng)的拼音序列；

根據(jù)預(yù)存的關(guān)鍵詞拼音列表，得到所述拼音序列中包含的關(guān)鍵詞拼音；

其中，所述LAS模型包括編碼器和解碼器，且所述編碼器包括偏差模塊，所述偏差模塊用于對(duì)至少一個(gè)關(guān)鍵詞進(jìn)行編碼，具體包括：在訓(xùn)練后的LAS模型無(wú)法準(zhǔn)確識(shí)別長(zhǎng)尾關(guān)鍵詞時(shí)，對(duì)長(zhǎng)尾關(guān)鍵詞單獨(dú)進(jìn)行編碼，并將編碼的結(jié)果直接應(yīng)用于所述解碼器當(dāng)中；且所述LAS模型，采用多頭注意力機(jī)制以從不同角度對(duì)相似性能進(jìn)行度量；以及在所述解碼器的輸出層增加條件隨機(jī)場(chǎng)層，并采用計(jì)劃采樣機(jī)制訓(xùn)練所述解碼器，以緩解所述解碼器因在訓(xùn)練階段的部分輸入是標(biāo)準(zhǔn)的準(zhǔn)確的拼音序列，而在推斷階段用到的則是上一步產(chǎn)生的輸出結(jié)果產(chǎn)生的不一致；采用標(biāo)簽平滑歸一化的正則化，以緩解獨(dú)熱編碼導(dǎo)致模型過(guò)于依賴預(yù)測(cè)的標(biāo)簽而造成的過(guò)擬合；以及在目標(biāo)損失函數(shù)中增加誤字率損失。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取語(yǔ)音信號(hào)，并將所述語(yǔ)音信號(hào)按照時(shí)間順序切分為至少一個(gè)語(yǔ)音切片；具體為：

獲取語(yǔ)音信號(hào)，并將所述語(yǔ)音信號(hào)按照時(shí)間順序切分為至少一個(gè)語(yǔ)音切片，且任意相鄰兩個(gè)語(yǔ)音切片存在預(yù)設(shè)重疊長(zhǎng)度的重疊片段。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述采用預(yù)先訓(xùn)練的LAS模型得到與每個(gè)語(yǔ)音切片對(duì)應(yīng)的拼音切片；具體為：

采用梅爾頻率倒譜系數(shù)提取每個(gè)語(yǔ)音切片的特征向量；

根據(jù)所述語(yǔ)音切片的特征向量采用預(yù)先訓(xùn)練的LAS模型得到與每個(gè)語(yǔ)音切片對(duì)應(yīng)的拼音切片。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

獲取網(wǎng)絡(luò)公開(kāi)數(shù)據(jù)對(duì)所述LAS模型進(jìn)行預(yù)訓(xùn)練；

預(yù)訓(xùn)練過(guò)后再通過(guò)自有標(biāo)注的訓(xùn)練語(yǔ)音信號(hào)來(lái)對(duì)所述LAS模型繼續(xù)進(jìn)行微調(diào)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述LAS模型需結(jié)合由外部文本訓(xùn)練的語(yǔ)言模型。

6.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至5任一項(xiàng)所述的語(yǔ)音識(shí)別方法的步驟。

7.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至5任一項(xiàng)所述的語(yǔ)音識(shí)別方法的步驟。