[發(fā)明專利]一種語音識別方法及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202010078826.5
• 申請日: 2020-02-03
• 公開（公告）號: CN111292727B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計）人: 邱意;馮大航;常樂
• 申請（專利權(quán)）人: 北京聲智科技有限公司
• 主分類號: G10L15/08
• 分類號: G10L15/08;G10L15/02;G10L15/06;G10L15/00
• 代理公司: 北京銀龍知識產(chǎn)權(quán)代理有限公司 11243
• 代理人: 許靜;黃燦

1.一種語音識別方法，應(yīng)用于電子設(shè)備，其特征在于，包括：

獲取待識別語音的第一FBank特征；

將所述第一FBank特征輸入至識別模型，以對所述待識別語音進行識別，獲得識別結(jié)果；

其中，所述識別模型的訓(xùn)練樣本包括方言語音樣本的第二FBank特征和語譜圖；

其中，所述識別模型的獲取過程包括：

獲取所述方言語音樣本的所述第二FBank特征和所述語譜圖；

將所述第二FBank特征輸入至第一特征提取層，獲得第一輸出；

將所述語譜圖輸入至第二特征提取層，獲得第二輸出；

將所述第一輸出和所述第二輸出輸入至方言識別層，獲得第三輸出；

將所述第一輸出輸入至聲學(xué)模型層，獲得第四輸出；

根據(jù)所述第三輸出和所述第四輸出，更新所述第一特征提取層、所述第二特征提取層、所述聲學(xué)模型層以及所述方言識別層的參數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第二FBank特征通過語音幀獲取，所述語音幀通過將標(biāo)注后的所述方言語音樣本輸入至高斯混合模型獲得。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一特征提取層包括第一長短期記憶網(wǎng)絡(luò)LSTM輸入層、第一LSTM中間層以及第一雙向長短時記憶網(wǎng)絡(luò)BLSTM輸出層；

所述第二特征提取層包括卷積神經(jīng)網(wǎng)絡(luò)CNN輸入層、第二LSTM中間層以及第二BLSTM輸出層；

所述聲學(xué)模型層包括第二LSTM輸入層、第三LSTM中間層以及第一分類器；

所述方言識別層包括BLSTM輸入層和第二分類器。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述第三輸出和所述第四輸出，更新所述第一特征提取層、所述第二特征提取層、所述聲學(xué)模型層

以及所述方言識別層的參數(shù)，包括：

根據(jù)如下表達(dá)式，更新所述第一特征提取層、所述第二特征提取層、所述聲學(xué)模型層以及所述方言識別層的參數(shù)：

其中，表示偏導(dǎo)數(shù)；

w1、w1’分別為所述第一特征提取層更新前和更新后的參數(shù)；celoss1為所述第三輸出，celoss2為所述第四輸出；λ為0.5，5×10^-5＜a＜5×10^-7；

w2、w2’分別為所述聲學(xué)模型層更新前和更新后的參數(shù)；

w3、w3’分別為所述方言識別層更新前和更新后的參數(shù)；

w4、w4’分別為所述第二特征提取層更新前和更新后的參數(shù)。

5.一種電子設(shè)備，其特征在于，包括：

第一獲取模塊，用于獲取待識別語音的第一FBank特征；

第二獲取模塊，用于將所述第一FBank特征輸入至識別模型，以對所述待識別語音進行識別，獲得識別結(jié)果；

其中，所述識別模型的訓(xùn)練樣本包括方言語音樣本的第二FBank特征和語譜圖；

其中，所述識別模型的獲取過程包括：

獲取所述方言語音樣本的所述第二FBank特征和所述語譜圖；

將所述第二FBank特征輸入至第一特征提取層，獲得第一輸出；

將所述語譜圖輸入至第二特征提取層，獲得第二輸出；

將所述第一輸出和所述第二輸出輸入至方言識別層，獲得第三輸出；

將所述第一輸出輸入至聲學(xué)模型層，獲得第四輸出；

根據(jù)所述第三輸出和所述第四輸出，更新所述第一特征提取層、所述第二特征提取層、所述聲學(xué)模型層以及所述方言識別層的參數(shù)。

6.根據(jù)權(quán)利要求5所述的電子設(shè)備，其特征在于，所述第二FBank特征通過語音幀獲取，所述語音幀通過將標(biāo)注后的所述方言語音樣本輸入至高斯混合模型獲得。