[發明專利]語音識別方法及裝置、計算機可存儲介質

有效

• 申請號: 201910904271.2
• 申請日: 2019-09-24
• 公開（公告）號: CN110459205B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 付立
• 申請（專利權）人: 京東科技控股股份有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/16;G10L15/22;G10L15/26;G10L25/18;G10L25/24;G10L25/30
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 王莉莉

1.一種語音識別方法，包括：

獲取與不同采樣率的待訓練音頻對應的第一線性頻譜，所述第一線性頻譜的橫坐標為頻譜序列序號，縱坐標為頻域序號，橫坐標和縱坐標確定的坐標點的值為與所述待訓練音頻對應的原始幅度值；

確定所述不同采樣率中的最大采樣率和除所述最大采樣率以外的其他采樣率；

確定與所述其他采樣率對應的第一線性頻譜的最大頻域序號為第一頻域序號；

確定與所述最大采樣率對應的第一線性頻譜的最大頻域序號為第二頻域序號；

在與所述其他采樣率對應的第一線性頻譜中，將與大于所述第一頻域序號、且小于或等于所述第二頻域序號的每個頻域序號對應的幅度值設置為零，得到與所述其他采樣率對應的第二線性頻譜；

根據與所述最大采樣率對應的第一線性頻譜的第一梅爾譜特征，確定所述最大采樣率的待訓練音頻的第一語音特征；

根據與所述其他采樣率對應的第二線性頻譜的第二梅爾譜特征，確定所述其他采樣率的待訓練音頻的第二語音特征；

利用所述第一語音特征和所述第二語音特征，訓練機器學習模型，其中，

根據與所述最大采樣率對應的第一線性頻譜的第一梅爾譜特征，確定所述最大采樣率的待訓練音頻的第一語音特征包括：對所述第一梅爾譜特征進行全局歸一化處理得到所述第一語音特征；

根據與所述其他采樣率對應的第二線性頻譜的第二梅爾譜特征，確定所述其他采樣率的待訓練音頻的第二語音特征包括：對所述第二梅爾譜特征進行局部歸一化處理得到所述第二語音特征，所述局部歸一化處理包括：

根據與所述其他采樣率的音頻對應的最大線性頻譜頻率，獲取與所述最大線性頻譜頻率對應的梅爾譜頻率；

計算與所述梅爾譜頻率對應的最大梅爾濾波器序號；

獲取所述第二梅爾譜特征中的、與每個其他梅爾濾波器序號對應的第一幅度值，所述其他梅爾濾波器序號為小于或等于所述最大梅爾濾波器序號的梅爾濾波器序號；

分別計算各個第一幅度值的均值和標準差，作為局部均值和局部標準差；

計算每個第一幅度值與所述局部均值的第一差值；

計算每個第一差值與所述局部標準差的比值，作為與每個第一幅度值對應的歸一化后的第一幅度值；

將所述第二梅爾譜特征中的每個第一幅度值替換為與每個第一幅度值對應的歸一化后的第一幅度值。

2.根據權利要求1所述的語音識別方法，其中，所述全局歸一化處理包括：

獲取所述第一梅爾譜特征中的、與每個梅爾濾波器序號對應的第二幅度值；

計算各個第二幅度值的均值和標準差，作為全局均值和全局標準差；

計算每個第二幅度值與所述全局均值的第二差值；

計算每個第二差值與所述全局標準差的比值，作為與每個第二幅度值對應的歸一化后的第二幅度值；

將所述第一梅爾譜特征中的每個第二幅度值替換為與每個第二幅度值對應的歸一化后的第二幅度值。

3.根據權利要求1所述的語音識別方法，其中，獲取與不同采樣率的音頻對應的第一線性頻譜包括：

利用短時傅里葉變換，分別獲取與不同采樣率的音頻對應的第一線性頻譜。

4.根據權利要求1所述的語音識別方法，其中，在獲取與不同采樣率的音頻對應的第一線性頻譜之前，還包括：

獲取不同采樣率的音頻的語音信號波形圖；

分別對不同采樣率的音頻的語音信號波形圖進行預加重處理。

5.根據權利要求1所述的語音識別方法，還包括：

利用多個單位三角濾波器，對與所述最大采樣率對應的第一線性頻譜、和與所述其他采樣率對應的第二線性頻譜分別進行梅爾濾波變換，得到所述第一梅爾譜特征和所述第二梅爾譜特征。

6.根據權利要求1所述的語音識別方法，其中，所述機器學習模型包括深度神經網絡DNN模型。

7.根據權利要求1所述的語音識別方法，其中，所述不同采樣率包括16kHZ和8kHZ。