[發明專利]語音識別方法、裝置、設備及可讀存儲介質

有效

• 申請號: 202010058833.9
• 申請日: 2020-01-19
• 公開（公告）號: CN111276149B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 吳嘉嘉;殷兵;胡金水;劉聰
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/24;G10L15/16;G06V10/22;G06V10/764;G06F40/289;G06F40/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊華

本申請公開了一種語音識別方法、裝置、設備及可讀存儲介質，本申請獲取與待識別語音相關的材料數據；確定所述材料數據包含的內容信息，并至少基于所述內容信息的語義特征及所述內容信息在所述材料數據中的視覺表現特征，確定所述材料數據對應的初步參考文本；基于所述初步參考文本，確定所述待識別語音對應的參考文本集；結合所述參考文本集對所述待識別語音進行語音識別，得到語音識別結果，由于本申請借助待識別語音相關的材料數據確定出能夠輔助語音識別的參考文本集，因此能夠提前獲取例如專業術語等文本信息作為先驗信息，輔助對待識別語音進行識別，顯然能夠大大提升語音識別結果的準確度。

技術領域

本申請涉及語音識別技術領域，更具體的說，是涉及一種語音識別方法、裝置、設備及可讀存儲介質。

背景技術

語音識別即將語音轉成文本的過程。近年來，隨著語音識別技術的成熟，已成功應用于各行各業中，尤其是針對特定領域的語音識別技術，如針對會議的錄音數據進行語音識別，將接收的語音數據直接轉換為會議的文本內容，大大方便了會議秘書整理會議紀要。

然而，在某些場合下，語音識別經常會遇到一些不常見的詞匯，如一些專業詞匯等，導致語音識別的準確率不高。

發明內容

鑒于上述問題，提出了本申請以便提供一種語音識別方法、裝置、設備及可讀存儲介質。具體方案如下：

一種語音識別方法，包括：

獲取與待識別語音相關的材料數據；

確定所述材料數據包含的內容信息，并至少基于所述內容信息的語義特征及所述內容信息在所述材料數據中的視覺表現特征，確定所述材料數據對應的初步參考文本；

基于所述初步參考文本，確定所述待識別語音對應的參考文本集；

結合所述參考文本集對所述待識別語音進行語音識別，得到語音識別結果。

優選地，所述至少基于所述內容信息的語義特征及所述內容信息在所述材料數據中的視覺表現特征，確定所述材料數據對應的初步參考文本，包括：

基于所述內容信息的語義特征及所述內容信息在所述材料數據中的視覺表現特征，確定所述材料數據對應的初步參考文本；

或，

基于所述內容信息的語義特征、所述內容信息在所述材料數據中的視覺表現特征及所述材料數據的屬性特征，確定所述材料數據對應的初步參考文本。

優選地，

所述內容信息在所述材料數據中的視覺表現特征包括以下任意一項或多項的組合：

內容信息在所述材料數據中的格式、排版、位置；

所述材料數據的屬性特征包括以下任意一項或多項的組合：

材料數據的類型、材料數據的風格、材料數據的編著人屬性信息。

優選地，所述基于所述內容信息的語義特征及所述內容信息在所述材料數據中的視覺表現特征，確定所述材料數據對應的初步參考文本，包括：

確定所述內容信息的語義特征及所述內容信息在所述材料數據中的視覺表現特征；

將所述語義特征及所述視覺表現特征輸入配置的關鍵信息確定模型，得到模型輸出的關鍵信息，作為材料數據對應的初步參考文本，其中：

所述關鍵信息確定模型以訓練數據所包含的內容信息的語義特征及內容信息在訓練數據中的視覺表現特征為訓練樣本，以標注的與訓練數據對應的關鍵信息為樣本標簽訓練得到。

優選地，確定所述內容信息的語義特征的過程，包括：