[發明專利]一種詞邊界估計方法、裝置及電子設備

在審

• 申請號: 201910832104.1
• 申請日: 2019-09-04
• 公開（公告）號: CN112447169A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 陳孝良;王江;馮大航;常樂
• 申請（專利權）人: 北京聲智科技有限公司
• 主分類號: G10L15/05
• 分類號: G10L15/05;G10L15/02;G10L15/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 趙煥

1.一種詞邊界估計方法，其特征在于，包括：

獲取待進行語音識別的語音數據；

對所述語音數據分幀，并提取每一幀語音的聲學特征；

對于每一幀語音，計算所述聲學特征在各聲學建模單元上的后驗概率；

基于所述后驗概率，在WFST模型中搜索，得到所述語音數據的識別結果及識別結果中每一詞的詞尾時間邊界；所述詞尾時間邊界基于空邊確定；所述空邊輸出為空。

2.根據權利要求1所述的詞邊界估計方法，其特征在于，基于所述后驗概率，在WFST模型中搜索，得到所述語音數據的識別結果及識別結果中每一詞的詞尾時間邊界，包括：

獲取所述WFST模型中的WFST優化模型；所述WFST優化模型識別出所述語音數據中的詞語的結尾時間與實際結尾時間不一致；

在所述WFST優化模型搜索過程中，將當前詞語的WFST輸出保存在令牌中；所述令牌包括：輸出詞以及輸出詞的時間信息；

判斷是否確定出當前詞語的詞尾時間邊界；

若確定出當前詞語的詞尾時間邊界，更新所述令牌中保存的內容。

3.根據權利要求2所述的詞邊界估計方法，其特征在于，所述確定出當前詞語的詞尾時間邊界，包括：

獲取緊鄰當前詞語輸出的一組空邊；

將一組所述空邊中最后一個輸出為空的邊對應的所述令牌中的時間信息的末尾時間作為所述當前詞語的詞尾時間邊界。

4.根據權利要求3所述的詞邊界估計方法，其特征在于，基于所述后驗概率，在WFST模型中搜索，得到所述語音數據的識別結果及識別結果中每一詞的詞尾時間邊界，還包括：

判斷是否確定出識別結果中每一詞的詞尾時間邊界；

若否，返回執行所述在WFST優化模型搜索過程中，將當前詞語的WFST輸出保存在令牌中這一步驟。

5.根據權利要求4所述的詞邊界估計方法，其特征在于，若判斷出已確定出所述語音數據的識別結果中每一詞的詞尾時間邊界之后，還包括：

選取當前時刻所有令牌中代價最小的令牌中的輸出結果作為所述語音數據的語音識別結果；所述語音識別結果包括：所述語音數據的識別結果及識別結果中每一詞的詞尾時間邊界。

6.根據權利要求1-5任一項所述的詞邊界估計方法，其特征在于，所述空邊的輸入為空。

7.根據權利要求1所述的詞邊界估計方法，其特征在于，基于所述后驗概率，在WFST模型中搜索，得到所述語音數據的識別結果及識別結果中每一詞的詞尾時間邊界，包括：

獲取所述WFST模型中的WFST優化模型；所述WFST優化模型識別出所述語音數據中的詞語的結尾時間與實際結尾時間不一致；

在所述WFST優化模型搜索過程中，若識別出語音數據中的詞語的語音識別結果，將得到所述語音識別結果的時間作為所述詞語的詞尾時間邊界。

8.一種詞邊界估計裝置，其特征在于，包括：

數據獲取模塊，用于獲取待進行語音識別的語音數據；

特征提取模塊，用于對所述語音數據分幀，并提取每一幀語音的聲學特征；

概率計算模塊，用于對于每一幀語音，計算所述聲學特征在各聲學建模單元上的后驗概率；

時間確定模塊，用于基于所述后驗概率，在WFST模型中搜索，得到所述語音數據的識別結果及識別結果中每一詞的詞尾時間邊界；所述詞尾時間邊界基于空邊確定；所述空邊輸出為空。

9.根據權利要求8所述的詞邊界估計方法，其特征在于，所述時間確定模塊包括：

模型獲取子模塊，用于獲取所述WFST模型中的WFST優化模型；所述WFST優化模型識別出所述語音數據中的詞語的結尾時間與實際結尾時間不一致；

信息保存子模塊，用于在WFST優化模型搜索過程中，將當前詞語的WFST輸出保存在令牌中；所述令牌包括：輸出詞以及輸出詞的時間信息；

第一判斷子模塊，用于判斷是否確定出當前詞語的詞尾時間邊界；

更新子模塊，用于若確定出當前詞語的詞尾時間邊界，更新所述令牌中保存的內容。