[發(fā)明專利]一種語音識(shí)別方法、裝置和用于語音識(shí)別的裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201911383577.4
• 申請(qǐng)日: 2019-12-27
• 公開（公告）號(hào): CN113053364A
• 公開（公告）日: 2021-06-29
• 發(fā)明（設(shè)計(jì)）人: 李亞慧;趙超
• 申請(qǐng)（專利權(quán)）人: 北京搜狗科技發(fā)展有限公司
• 主分類號(hào): G10L15/06
• 分類號(hào): G10L15/06;G10L15/16;G10L15/22;G10L25/60
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 鄭傲日

1.一種語音識(shí)別方法，其特征在于，所述方法包括：

獲取待識(shí)別語音；

根據(jù)已訓(xùn)練的語音識(shí)別模型，確定所述待識(shí)別語音對(duì)應(yīng)的語音識(shí)別結(jié)果；其中，所述語音識(shí)別模型根據(jù)符合預(yù)設(shè)語流規(guī)則的語音樣本訓(xùn)練得到，所述語流規(guī)則至少包括如下任意一種：失爆、連讀、加音、同化、省音、弱讀、濁化。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)已訓(xùn)練的語音識(shí)別模型，確定所述待識(shí)別語音對(duì)應(yīng)的語音識(shí)別結(jié)果之前，所述方法還包括：

收集歷史語音；

對(duì)所述歷史語音對(duì)應(yīng)的識(shí)別文本按照音素展開，得到所述歷史語音對(duì)應(yīng)的音素序列；

在所述歷史語音中，確定語音樣本，所述語音樣本對(duì)應(yīng)的音素序列符合所述預(yù)設(shè)語流規(guī)則；

根據(jù)所述語音樣本，訓(xùn)練得到語音識(shí)別模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述在所述歷史語音中，確定語音樣本，包括：

對(duì)所述歷史語音中的每一條語音對(duì)應(yīng)的音素序列進(jìn)行解析，確定音素序列符合所述預(yù)設(shè)語流規(guī)則的目標(biāo)語音；

對(duì)所述目標(biāo)語音進(jìn)行口語評(píng)測(cè)，確定所述目標(biāo)語音對(duì)應(yīng)的音素序列中目標(biāo)音素對(duì)應(yīng)的聲學(xué)后驗(yàn)概率；其中，所述目標(biāo)音素為符合所述預(yù)設(shè)語流規(guī)則的音素；

確定目標(biāo)音素對(duì)應(yīng)的聲學(xué)后驗(yàn)概率小于預(yù)設(shè)概率閾值的目標(biāo)語音為語音樣本。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定所述目標(biāo)語音對(duì)應(yīng)的音素序列中目標(biāo)音素對(duì)應(yīng)的聲學(xué)后驗(yàn)概率之后，所述方法還包括：

確定目標(biāo)音素對(duì)應(yīng)的聲學(xué)后驗(yàn)概率大于或等于所述預(yù)設(shè)概率閾值的目標(biāo)語音為待處理語音；

對(duì)所述待處理語音進(jìn)行音頻處理，得到處理后語音，所述處理后語音中所述目標(biāo)音素的發(fā)音符合所述預(yù)設(shè)語流規(guī)則；

將所述處理后語音作為用于訓(xùn)練所述語音識(shí)別模型的語音樣本。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對(duì)所述待處理語音進(jìn)行音頻處理，得到處理后語音，包括：

將所述待處理語音中所述目標(biāo)音素對(duì)應(yīng)的語音片段替換為目標(biāo)語音片段，得到處理后語音；其中，所述目標(biāo)語音片段為對(duì)所述目標(biāo)音素按照所述目標(biāo)音素對(duì)應(yīng)的預(yù)設(shè)語流規(guī)則進(jìn)行發(fā)音得到的語音片段。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述預(yù)設(shè)語流規(guī)則包括失爆的語流規(guī)則；

所述目標(biāo)語音片段為預(yù)設(shè)長(zhǎng)度的靜音片段；其中，所述預(yù)設(shè)長(zhǎng)度為將所述待處理語音中目標(biāo)音素對(duì)應(yīng)的語音片段的時(shí)間長(zhǎng)度縮短至一定比例的長(zhǎng)度。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述在所述歷史語音中，確定語音樣本，包括：

在所述歷史語音中，確定對(duì)應(yīng)的音素序列符合失爆的語流規(guī)則的歷史語音為語音樣本，所述失爆的語流規(guī)則包括失去爆破的語流規(guī)則和/或不完全爆破的語流規(guī)則；

所述根據(jù)所述語音樣本，訓(xùn)練得到語音識(shí)別模型，包括：

根據(jù)對(duì)應(yīng)的音素序列符合所述失去爆破的語流規(guī)則的第一語音樣本和/或?qū)?yīng)的音素序列符合所述不完全爆破的語流規(guī)則的第二語音樣本，訓(xùn)練得到語音識(shí)別模型。

8.一種語音識(shí)別裝置，其特征在于，所述裝置包括：

語音獲取模塊，用于獲取待識(shí)別語音；

語音識(shí)別模塊，用于根據(jù)已訓(xùn)練的語音識(shí)別模型，確定所述待識(shí)別語音對(duì)應(yīng)的語音識(shí)別結(jié)果；其中，所述語音識(shí)別模型根據(jù)符合預(yù)設(shè)語流規(guī)則的語音樣本訓(xùn)練得到，所述語流規(guī)則至少包括如下任意一種：失爆、連讀、加音、同化、省音、弱讀、濁化。

9.一種用于語音識(shí)別的裝置，其特征在于，包括有存儲(chǔ)器，以及一個(gè)或者一個(gè)以上的程序，其中一個(gè)或者一個(gè)以上程序存儲(chǔ)于存儲(chǔ)器中，且經(jīng)配置以由一個(gè)或者一個(gè)以上處理器執(zhí)行所述一個(gè)或者一個(gè)以上程序包含用于進(jìn)行以下操作的指令：

獲取待識(shí)別語音；

根據(jù)已訓(xùn)練的語音識(shí)別模型，確定所述待識(shí)別語音對(duì)應(yīng)的語音識(shí)別結(jié)果；其中，所述語音識(shí)別模型根據(jù)符合預(yù)設(shè)語流規(guī)則的語音樣本訓(xùn)練得到，所述語流規(guī)則至少包括如下任意一種：失爆、連讀、加音、同化、省音、弱讀、濁化。

10.一種機(jī)器可讀介質(zhì)，其上存儲(chǔ)有指令，當(dāng)由一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得裝置執(zhí)行如權(quán)利要求1至7中一個(gè)或多個(gè)所述的語音識(shí)別方法。