[發明專利]全面管理和連續訓練的自動語音識別服務

有效

• 申請號: 201880077896.X
• 申請日: 2018-11-16
• 公開（公告）號: CN111433846B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: A·辛格;D·蘇瑞史;V·菲洛明;R·古拉班尼;V·朱可夫;S·西瓦蘇布拉馬尼亞;V·S·安巴扎甘;P·K·阿卡拉普;S·史蒂芬妮
• 申請（專利權）人: 亞馬遜技術股份有限公司
• 主分類號: G10L15/30
• 分類號: G10L15/30;G10L15/26;G10L15/187;G10L15/06;G10L15/183
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 錢慰民;黃嵩泉

1.一種用于自動語音識別的計算機實施的方法，其包括：

由提供商網絡接收執行自動語音識別ASR的第一請求，所述第一請求包括對音頻文件的引用；

使用與所述第一請求相關聯的帳戶數據，通過授權服務對所述第一請求進行授權；

供應解碼器實例以生成所述音頻文件的轉錄本，所述解碼器實例包括ASR引擎、聲學模型和語言模型，所述解碼器實例被部署到所述提供商網絡中的專用網絡；

使用所述引用將所述音頻文件的副本提供給所述解碼器實例；

由所述ASR引擎使用所述聲學模型、所述語言模型和所述音頻文件的所述副本生成所述音頻文件的轉錄本，其中所述聲學模型是使用先前處理的數據來訓練的；

監測所述提供商網絡中的輸出位置，以確定所述轉錄本是否完成；

在確定所述轉錄本完成之后，取消供應所述解碼器實例；以及

返回輸出位置中對所述音頻文件的所述轉錄本的引用。

2.如權利要求1所述的計算機實施的方法，其還包括：

由所述提供商網絡接收執行ASR的第二請求，所述第二請求包括對第二音頻文件的第二引用；

供應第二解碼器實例以生成所述第二音頻文件的轉錄本；以及

在確定所述轉錄本完成之后，取消供應所述第二解碼器實例。

3.如權利要求1所述的計算機實施的方法，其中使用與所述第一請求相關聯的帳戶數據，通過授權服務對所述第一請求進行授權包括：

確定所述帳戶數據已列入白名單；以及

確定對所述帳戶數據的待處理請求的數量未超過閾值。

4.一種用于自動語音識別的計算機實施的方法，其包括：

由提供商網絡接收執行自動語音識別ASR的請求，所述請求包括對音頻文件的引用；

使用所述引用檢取所述音頻文件；

供應實例以生成所述音頻文件的轉錄本，其中所述實例被部署到所述提供商網絡中的專用網絡；

由ASR引擎使用聲學模型、語言模型和所述音頻文件生成所述音頻文件的轉錄本，所述ASR引擎和所述語言模型由所述實例來實施，其中所述聲學模型是使用先前處理的音頻數據來訓練的；

監測所述提供商網絡中的輸出位置，以確定所述轉錄本是否完成；

確定所述轉錄本完成后，就取消供應所述實例；以及

返回所述音頻文件的所述轉錄本。

5.如權利要求4所述的計算機實施的方法，其還包括：

使用所述聲學模型將所述音頻文件劃分為多個單詞。

6.如權利要求5所述的計算機實施的方法，其中使用所述先前處理的音頻數據來訓練所述聲學模型，以根據類型、聲學特性或客戶特定語言中的一者或多者來識別所述聲學模型中的不準確性。

7.如權利要求4所述的計算機實施的方法，其還包括：

將所述請求發送到控制平面，所述控制平面對多個請求進行編排；以及

由所述控制平面執行工作流程以對所述請求執行ASR。

8.如權利要求4所述的計算機實施的方法，其中所述語言模型是基于隨所述請求接收的元數據而選擇的多個語言模型中的一個。

9.如權利要求4所述的計算機實施的方法，其還包括：

通過授權服務對所述請求進行授權，以確定與同所述請求相關聯的帳戶相關聯的待處理請求的數量未超過閾值。

10.如權利要求4所述的計算機實施的方法，其中返回所述音頻文件的所述轉錄本還包括：

將所述轉錄本上傳到存儲服務提供商；以及

返回所述存儲服務提供商中對所述轉錄本的引用。

11.如權利要求4所述的計算機實施的方法，其中所述實例被實施為部署在所述專用網絡中的容器。