[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

描述了用于進行自動語音識別(ASR)的技術。用戶可以將音頻文件上傳到存儲位置。然后，所述用戶向所述ASR服務提供對所述音頻文件的引用。ASR引擎通過以下方式分析音頻文件：使用聲學模型將音頻數據劃分為單詞，并且使用語言模型識別所述音頻文件中說出的所述單詞。可以使用音頻句子數據來訓練所述聲學模型，從而使轉錄服務能夠準確地轉錄冗長的音頻數據。對結果加標點符號并進行標準化，并且將所得的轉錄本返回給所述用戶。

相關申請的交叉引用

本申請要求2018年3月15日提交的美國非臨時申請號15/922，495和2017年11月22日提交的美國臨時專利申請號62/590，188的權益，該申請以引用的方式并入本文。

技術領域

本公開涉及自動語音識別技術，尤其涉及全面管理和連續訓練的自動語音識別服務。

背景技術

機器學習領域已經被廣泛認為可能是技術未來的重要驅動力。現在，各地的組織都在尋求使用機器學習技術來解決各種各樣的問題，諸如優化其產品、過程、客戶體驗等方面。盡管機器學習的高級視圖聽起來很簡單，例如，向計算機提供培訓數據，以允許計算機自動從訓練數據中學習以生成可以對其他數據進行預測的模型，但是在實踐中實施機器學習技術可能非常困難。

該困難部分上歸因于機器學習算法的基礎算法和數學復雜性，所述機器學習算法通常由學術研究人員或本領域最前沿的人員開發。另外，也難以生成、更新和部署有用的模型，這可能會非常耗時且耗費資源，并且充滿了復雜性。此外，機器學習模型往往非常關注特定的用例和操作環境，且因此，對基礎環境或用例的任何改變都可能需要完全重新生成新模型。此外，構建和部署機器學習技術與傳統軟件工程完全不同，并且需要與傳統軟件工程開發團隊所熟悉的不同的實踐和架構。

附圖說明

將參考附圖描述根據本公開的各種實施方案，在附圖中：

圖1是示出根據一些實施方案的被管理并且連續訓練的自動語音識別(ASR)服務的架構的框圖。

圖2是示出根據一些實施方案的被管理和連續訓練的ASR服務的數據流的框圖。

圖3是示出根據一些實施方案的被管理和連續訓練的ASR服務的數據流的框圖。

圖4是示出根據一些實施方案的被管理和連續訓練的ASR服務的控制平面和解碼器的框圖。

圖5是示出根據一些實施方案的用于進行自動語音識別的操作的流程圖。

圖6是示出根據一些實施方案的用于進行自動語音識別的操作的流程圖。

圖7示出了根據一些實施方案的示例性提供商網絡環境。

圖8是根據一些實施方案的向客戶提供存儲虛擬化服務和硬件虛擬化服務的示例性提供商網絡的框圖。

圖9是示出可以在一些實施方案中使用的示例性計算機系統的框圖。

具體實施方式

描述了用于進行自動語音識別(ASR)的方法、設備、系統和非暫時性計算機可讀存儲介質的各種實施方案。實施方案提供了在聲音文件中獲得并自動生成它們包括的語音的轉錄本的被全面管理和連續訓練的ASR服務。根據一些實施方案，用戶可以將音頻文件(例如，電話質量或更高)上傳到存儲位置。然后，用戶向ASR服務提供對音頻文件的引用。然后，ASR引擎通過以下方式分析音頻文件：使用聲學模型將音頻數據劃分為單詞，并且使用語言模型識別所述音頻文件中說出的單詞。可以使用兩分鐘或更長的音頻句子數據來訓練所述聲學模型，從而使轉錄服務能夠準確地轉錄冗長的音頻數據。然后將結果加標點符號并標準化(例如，根據上下文確定是否應將“十一點十五”表示為11：15、11/15、十一點十五等)。然后將所得的轉錄本返回給用戶。