[發(fā)明專利]一種語音識別的方法及其裝置

有效

• 申請?zhí)枺?/td>: 201910132335.1
• 申請日: 2019-02-22
• 公開（公告）號: CN111613215B
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計）人: 趙洲;李林琳;陳漠沙;仇偉;徐光偉;孟令濤
• 申請（專利權(quán)）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(chǎn)權(quán)代理有限公司 44886
• 代理人: 徐瑞紅

本申請公開了一種語音識別的方法及其裝置，所述方法包括利用編碼器獲取與輸入的語音數(shù)據(jù)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，所述語言模型組件至少包括基于前綴束搜索的CTC模型組件。利用本申請，可提高語音識別的準確性。

技術(shù)領(lǐng)域

本申請涉及計算機技術(shù)領(lǐng)域，尤其涉及一種語音識別的方法及其裝置。

背景技術(shù)

語音識別也被稱為自動語音識別(Automatic?Speech?Recognition，ASR)，是指可通過識別和理解，將輸入的語音信號轉(zhuǎn)變?yōu)橄鄳奈淖只蛎钶敵觥ｋS著信息化社會的發(fā)展以及信息技術(shù)的進步，語音識別技術(shù)經(jīng)歷了從稚嫩到成熟的發(fā)展過程。

對于傳統(tǒng)的語音識別，通常會分為3個部分：語音模型、詞典、語言模型。語音模型和語言模型都是分開進行訓練的，因此這兩個模型優(yōu)化的損失函數(shù)是不相同的。為此提出了端到端的語音識別，模型的輸入就為語音特征(輸入端)，而輸出為識別出的語音文本(輸出端)，整個模型為神經(jīng)網(wǎng)絡(luò)的模型。但現(xiàn)如今，端對端的語音識別的準確度還需要提高，因為需要一種準確度更高的端對端的語音識別方法。

發(fā)明內(nèi)容

本申請實施例提供一種語音識別的方法及其裝置，旨在解決以上提到的準確度不高的技術(shù)問題。

本申請實施例提供一種利用編碼器獲取與輸入的語音數(shù)據(jù)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，所述語言模型組件至少包括基于前綴束搜索的CTC模型組件。

本申請實施例還提供一種語音識別裝置，所述裝置包括：處理器；以及被安排成存儲計算機可執(zhí)行指令的存儲器，所述可執(zhí)行指令在被執(zhí)行時使所述處理器執(zhí)行上述方法。

本申請實施例采用的上述至少一個技術(shù)方案能夠達到以下有益效果：

根據(jù)本申請的示例性實施例的語音識別方法可利用基于前綴束搜索的CTC模型對獲取的概率分布向量序列進行解碼，從而獲取語音識別信息。

附圖說明

此處所說明的附圖用來提供對本申請的進一步理解，構(gòu)成本申請的一部分，本申請的示意性實施例及其說明用于解釋本申請，并不構(gòu)成對本申請的不當限定。在附圖中：

圖1是根據(jù)本申請的示例性實施例的語音識別方法的場景圖；

圖2是根據(jù)本申請的示例性實施例的語音識別方法的框架圖；

圖3是根據(jù)本申請的示例性實施例的語音識別方法的流程圖；

圖4是根據(jù)本申請的示例性實施例的語音識別方法的示圖；

圖5是根據(jù)本申請的示例性實施例的語音識別裝置的框圖。

具體實施方式

為使本申請的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本申請具體實施例及相應的附圖對本申請技術(shù)方案進行清楚、完整地描述。顯然，所描述的實施例僅是本申請一部分實施例，而不是全部的實施例。基于本申請中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。

以下結(jié)合附圖，詳細說明本申請各實施例提供的技術(shù)方案。

圖1是根據(jù)本申請的示例性實施例的語音識別方法的場景圖。

如圖1所述，用戶根據(jù)自身情況發(fā)出語音，隨后，該語音可被電子終端100接收到，例如，用戶可利用移動終端的麥克風向移動終端輸入語音信息，隨后，移動終端可將接收到的語音信息進行處理。