[發(fā)明專利]一種語音識別方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010217558.0
• 申請日: 2020-03-25
• 公開（公告）號: CN111402861B
• 公開（公告）日: 2022-11-15
• 發(fā)明（設(shè)計）人: 陳明佳
• 申請（專利權(quán)）人: 思必馳科技股份有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/08;G10L15/06
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種語音識別方法，其特征在于，包括：

獲取待識別的語音，并將所述語音轉(zhuǎn)換為聲學(xué)特征；

將所述聲學(xué)特征輸入到至少兩種語言聲學(xué)模型中，輸出對應(yīng)的音素序列；其中，每種語言聲學(xué)模型輸出的音素序列的語種不相同；

將各個語種的音素序列轉(zhuǎn)換成對應(yīng)的文字序列，并確定所述文字序列的識別置信度；

根據(jù)所述聲學(xué)特征，對所述語音進行語種分類，并確定所述語音屬于各語種的語種置信度；

根據(jù)所述識別置信度和所述語種置信度，確定所述語音針對各語種的分類識別得分，并將分類識別得分最高值對應(yīng)的文字序列作為所述語音的識別結(jié)果；

所述根據(jù)所述識別置信度和所述語種置信度，確定所述語音針對各語種的分類識別得分，包括：

針對每個語種的文字序列，對所述文字序列進行文字語種分類，確定所述文字序列屬于各語種的文字語種置信度；

根據(jù)所述語種置信度和所述文字語種置信度，確定所述語音屬于各語種的語種分類得分，確定語種分類得分的最高值對應(yīng)的語種為目標(biāo)語種；

通過所述目標(biāo)語種對應(yīng)的語義模型，對所有所述文字序列進行領(lǐng)域分類，并確定所述文字序列屬于各領(lǐng)域?qū)?yīng)的領(lǐng)域置信度；

根據(jù)所述識別置信度、所述語種分類得分和所述領(lǐng)域置信度，確定所述語音針對各語種的分類識別得分。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述語音轉(zhuǎn)換為聲學(xué)特征，包括：

將所述語音輸入到語音處理深度學(xué)習(xí)模型，得到所述語音的聲學(xué)特征；

將各個語種的音素序列轉(zhuǎn)換成對應(yīng)的文字序列，并確定所述文字序列的識別置信度，包括：

將各個語種的音素序列分別輸入到對應(yīng)語種的語言模型，得到各個語種的音素序列對應(yīng)的文字序列，并確定所述文字序列的識別置信度。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述語音處理深度學(xué)習(xí)模型，包括：雙向編碼器的語音處理深度學(xué)習(xí)BERT模型。

4.一種語音識別裝置，其特征在于，包括：

聲學(xué)特征轉(zhuǎn)換模塊，用于獲取待識別的語音，并將所述語音轉(zhuǎn)換為聲學(xué)特征；

音素序列輸出模塊，用于將所述聲學(xué)特征輸入到至少兩種語言聲學(xué)模型中，輸出對應(yīng)的音素序列；其中，每種語言聲學(xué)模型輸出的音素序列的語種不相同；

文字序列轉(zhuǎn)換模塊，用于將各個語種的音素序列轉(zhuǎn)換成對應(yīng)的文字序列，并確定所述文字序列的識別置信度；

語種分類模塊，用于根據(jù)所述聲學(xué)特征，對所述語音進行語種分類，并確定所述語音屬于各語種的語種置信度；

識別結(jié)果獲取模塊，用于根據(jù)所述識別置信度和所述語種置信度，確定所述語音針對各語種的分類識別得分，并將分類識別得分最高值對應(yīng)的文字序列作為所述語音的識別結(jié)果；

所述識別結(jié)果獲取模塊，包括：文字語種置信度確定單元，目標(biāo)語種確定單元，領(lǐng)域置信度第二確定單元和分類識別得分第二確定單元；

文字語種置信度確定單元，用于針對每個語種的文字序列，對文字序列進行文字語種分類，確定文字序列屬于各語種的文字語種置信度；

目標(biāo)語種確定單元，用于根據(jù)語種置信度和文字語種置信度，確定語音屬于各語種的語種分類得分，確定語種分類得分的最高值對應(yīng)的語種為目標(biāo)語種；

領(lǐng)域置信度第二確定單元，用于通過目標(biāo)語種對應(yīng)的語義模型，對所有文字序列進行領(lǐng)域分類，并確定文字序列屬于各領(lǐng)域?qū)?yīng)的領(lǐng)域置信度；

分類識別得分第二確定單元，用于根據(jù)識別置信度、語種分類得分和領(lǐng)域置信度，確定語音針對各語種的分類識別得分。

5.一種語音識別設(shè)備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如權(quán)利要求1-3任一項所述的一種語音識別方法。

6.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-3任一項所述的一種語音識別方法。