[發(fā)明專利]語音識別模型的訓(xùn)練方法及裝置、存儲介質(zhì)、電子裝置

有效

• 申請?zhí)枺?/td>: 201910833277.5
• 申請日: 2019-09-04
• 公開（公告）號: CN110544469B
• 公開（公告）日: 2022-04-19
• 發(fā)明（設(shè)計）人: 劉洋;唐大閏
• 申請（專利權(quán)）人: 秒針信息技術(shù)有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/26
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 王曉婷

本發(fā)明提供了一種語音識別模型的訓(xùn)練方法及裝置、存儲介質(zhì)、電子裝置，其中，上述方法包括：獲取以下至少之一數(shù)據(jù)：獲取目標(biāo)對象在有噪聲的目標(biāo)場景下的第一語音數(shù)據(jù)、不同目標(biāo)場景的噪聲數(shù)據(jù)、將所述噪聲數(shù)據(jù)混合到無噪聲的所述目標(biāo)場景下的第二語音數(shù)據(jù)、將所述噪聲數(shù)據(jù)混合到所述第一語音數(shù)據(jù)的第三語音數(shù)據(jù)；使用所述第一語音數(shù)據(jù)，所述噪聲數(shù)據(jù)，所述第二語音數(shù)據(jù)和所述第三語音數(shù)據(jù)對語音識別模型進(jìn)行訓(xùn)練，采用上述技術(shù)方案，解決了相關(guān)技術(shù)中在不同的背景噪聲場景下，語音識別模型識別正常語音的準(zhǔn)確率低等問題，提高了語音識別模型抗不同背景噪聲的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及通信領(lǐng)域，具體而言，涉及一種語音識別模型的訓(xùn)練方法及裝置、存儲介質(zhì)、電子裝置。

背景技術(shù)

連鎖餐廳為了提高服務(wù)員的服務(wù)規(guī)范，要求服務(wù)員按照餐廳指定的話術(shù)為顧客服務(wù)。通過佩戴錄音設(shè)備，語音模型識別出服務(wù)員是否按照要求的話術(shù)進(jìn)行服務(wù)，在當(dāng)前主流的語音識別模型中，安靜場景下能達(dá)到很高的識別準(zhǔn)確性，但是真實(shí)環(huán)境的語音識別場景中，由于環(huán)境比較嘈雜，如連鎖餐廳的環(huán)境，涉及到餐廳的不同背景噪聲，如餐廳播放的背景音樂、服務(wù)員佩戴錄音設(shè)備過程中產(chǎn)生的設(shè)備的摩擦噪聲等，使得識別效果的準(zhǔn)確率大大下降。

針對相關(guān)技術(shù)中，在不同的背景噪聲場景下，語音識別模型識別正常語音的準(zhǔn)確率低等問題，尚未提出有效的技術(shù)方案。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種語音識別模型的訓(xùn)練方法及裝置、存儲介質(zhì)、電子裝置，以至少解決相關(guān)技術(shù)中在不同的背景噪聲場景下，語音識別模型識別正常語音的準(zhǔn)確率低等問題。

根據(jù)本發(fā)明的一個實(shí)施例，提供了一種語音識別模型的訓(xùn)練方法，包括：獲取以下至少之一數(shù)據(jù)：獲取目標(biāo)對象在有噪聲的目標(biāo)場景下的第一語音數(shù)據(jù)、不同目標(biāo)場景的噪聲數(shù)據(jù)、將所述噪聲數(shù)據(jù)混合到無噪聲的所述目標(biāo)場景下的第二語音數(shù)據(jù)、將所述噪聲數(shù)據(jù)混合到所述第一語音數(shù)據(jù)的第三語音數(shù)據(jù)；使用所述第一語音數(shù)據(jù)，所述噪聲數(shù)據(jù)，所述第二語音數(shù)據(jù)和所述第三語音數(shù)據(jù)對語音識別模型進(jìn)行訓(xùn)練。

在本發(fā)明實(shí)施例中，使用所述第一語音數(shù)據(jù)，所述噪聲數(shù)據(jù)，所述第二語音數(shù)據(jù)和所述第三語音數(shù)據(jù)對語音識別模型進(jìn)行訓(xùn)練之后，所述方法還包括：使用訓(xùn)練后的語音識別模型對有噪聲的所述目標(biāo)場景下的目標(biāo)對象的語音進(jìn)行識別，得到語音識別結(jié)果。

在本發(fā)明實(shí)施例中，使用所述第一語音數(shù)據(jù)，所述噪聲數(shù)據(jù)，所述第二語音數(shù)據(jù)和所述第三語音數(shù)據(jù)對語音識別模型進(jìn)行訓(xùn)練，包括：對至少由所述第一語音數(shù)據(jù)，所述噪聲數(shù)據(jù)，所述第二語音數(shù)據(jù)和所述第三語音數(shù)據(jù)組成的集合按照預(yù)定比例劃分為三個子集，其中，所述子集包括：訓(xùn)練集，測試集，驗(yàn)證集；使用所述訓(xùn)練集對所述語音識別模型進(jìn)行訓(xùn)練。

在本發(fā)明實(shí)施例中，所述預(yù)定比例包括：7:2:1，8:1:1。

在本發(fā)明實(shí)施例中，使用所述訓(xùn)練集對所述語音識別模型進(jìn)行訓(xùn)練之后，所述方法還包括：使用所述測試集對訓(xùn)練后的語音識別模型進(jìn)行測試，以測試所述訓(xùn)練后的語音識別模型是否正確；和/或使用所述驗(yàn)證集對訓(xùn)練后的語音識別模型進(jìn)行驗(yàn)證，以測試所述訓(xùn)練后的語音識別模型是否正確。

根據(jù)本發(fā)明的另一個實(shí)施例，還提供了一種語音識別模型的訓(xùn)練裝置，包括：獲取模塊，用于獲取以下至少之一數(shù)據(jù)：獲取目標(biāo)對象在有噪聲的目標(biāo)場景下的第一語音數(shù)據(jù)、不同目標(biāo)場景的噪聲數(shù)據(jù)、將所述噪聲數(shù)據(jù)混合到無噪聲的所述目標(biāo)場景下的第二語音數(shù)據(jù)、將所述噪聲數(shù)據(jù)混合到所述第一語音數(shù)據(jù)的第三語音數(shù)據(jù)；處理模塊，用于使用所述第一語音數(shù)據(jù)，所述噪聲數(shù)據(jù)，所述第二語音數(shù)據(jù)和所述第三語音數(shù)據(jù)對語音識別模型進(jìn)行訓(xùn)練。

在本發(fā)明實(shí)施例中，所述處理模塊，還用于使用訓(xùn)練后的語音識別模型對有噪聲的所述目標(biāo)場景下的目標(biāo)對象的語音進(jìn)行識別，得到語音識別結(jié)果。