[發明專利]一種語音識別的方法及其裝置

有效

• 申請號: 201910132335.1
• 申請日: 2019-02-22
• 公開（公告）號: CN111613215B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 趙洲;李林琳;陳漠沙;仇偉;徐光偉;孟令濤
• 申請（專利權）人: 浙江大學
• 主分類號: G10L15/19
• 分類號: G10L15/19;G10L15/16;G10L15/06;G10L15/08
• 代理公司: 廣州鑄智知識產權代理有限公司 44886
• 代理人: 徐瑞紅

1.一種語音識別的方法，其特征在于，包括：

利用編碼器獲取與輸入的語音數據對應的概率分布向量序列；

將所述概率分布向量序列輸入到語言模型組件，獲取語音識別信息，

其中，所述編碼器包括CNN模型組件和GRU模型組件，利用所述編碼器獲取與輸入的語音數據對應的概率分布向量序列包括：

將輸入的語音數據依次經過所述CNN模型組件和所述GRU模型組件進行處理，輸出多個概率分布向量序列，

其中，所述語言模型組件包括基于前綴束搜索的CTC模型組件、基于分詞的語言模型以及基于分類的語言模型，獲取語音識別信息包括：

利用由基于前綴束搜索的CTC模型組件、基于分詞的語言模型和基于分類的語言模型耦合生成的多語言模型從與所述語音數據對應的多個語音識別序列中獲取語音識別信息，

其中，所述基于分類的語言模型用于利用K均值聚類及循環神經網絡對所有分詞進行劃分，將所有分詞劃分為多個分組。

2.如權利要求1所述的方法，其特征在于，所述CTC模型是已訓練過的模型。

3.如權利要求1所述的方法，其特征在于，所述語言模型組件還包括基于字符的語言模型。

4.如權利要求3所述的方法，其特征在于，獲取語音識別信息包括：

獲取由多個語音識別字符構成每個語音識別序列的字符概率；

利用所述概率生成對應的語音識別序列的分數；

利用語音識別序列與對應的分數生成語音識別序列集合；

從語音識別序列集合中將分數最高的語音識別序列作為語音識別信息。

5.如權利要求4所述的方法，其特征在于，利用語音識別序列與對應的分數生成語音識別序列集合后包括：

針對語音識別序列集合中的每個語音識別序列：

獲取由不同分詞構成所述語音識別序列的分詞概率；

利用所述分詞概率以及對應的語音識別序列的分數確定所述語音識別序列的向下文分數；

從語音識別序列集合中將上下文分數最高的語音識別序列作為語音識別信息。

6.如權利要求5所述的方法，其特征在于，利用語音識別序列與對應的分數生成語音識別序列集合后包括：

確定構成語音識別序列集合中的所有分詞；

將所有分詞劃分為多個分組；

針對語音識別序列集合中的每個語音識別序列，確定構成所述語音識別序列的分詞所在的分組的概率；

利用所述概率確定所述語音識別序列的語法分數；

從語音識別序列集合中將語法分數最高的語音識別序列作為語音識別信息。

7.如權利要求6所述的方法，其特征在于，將所有分詞劃分為多個分組包括：

利用K均值聚類及循環神經網絡對所有分詞進行劃分，將所有分詞劃分為多個分組。

8.如權利要求7所述的方法，其特征在于，還包括：

利用每個語音識別序列的上下文分數和語法分數確定每個語音識別序列的語音識別分數；

從語音識別序列集合中將語音識別分數最高的語音識別序列作為語音識別信息。

9.如權利要求1所述的方法，其特征在于，所述語言模型組件是利用各種語音會話與中文文本之間的對應關系進行訓練而獲取的模型。

10.一種語音識別裝置，其特征在于，包括：

處理器；以及

被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器執行權利要求1至9中的任一權利要求所述的方法。