[發(fā)明專利]一種數(shù)字串語音識別方法、身份驗證裝置及計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010224785.6
• 申請日: 2020-03-26
• 公開（公告）號: CN111429913B
• 公開（公告）日: 2023-03-31
• 發(fā)明（設(shè)計）人: 曾志先;肖龍源;李稀敏;葉志堅;劉曉葳
• 申請（專利權(quán)）人: 廈門快商通科技股份有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/06;G10L17/00
• 代理公司: 廈門仕誠聯(lián)合知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 35227
• 代理人: 吳圳添

1.一種數(shù)字串語音識別方法，其特征在于，所述方法包含步驟：

獲取待識別語音；

將所述語音輸入至數(shù)字串語音識別模型進行識別，以得到所述待識別語音對應(yīng)的數(shù)字串文本，其中，構(gòu)建所述數(shù)字串語音識別模型的算法包含卷積神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)及全連接網(wǎng)絡(luò)，所述待識別語音進入所述數(shù)字串語音識別模型后，先后經(jīng)由卷積神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)及全連接網(wǎng)絡(luò)的計算，得到所述數(shù)字串文本；

所述長短期記憶網(wǎng)絡(luò)的上層封裝神經(jīng)網(wǎng)絡(luò)注意機制，以對所述長短期記憶網(wǎng)絡(luò)的輸出結(jié)果進行過濾；

所述數(shù)字串語音識別模型的訓練方法包含：

收集內(nèi)容為數(shù)字串的音頻數(shù)據(jù)，并對所述音頻數(shù)據(jù)進行標注；

對所述標注后的音頻數(shù)據(jù)進行頻譜轉(zhuǎn)換，得到對應(yīng)的頻譜特征數(shù)據(jù)；

基于所述音頻數(shù)據(jù)的頻譜特征數(shù)據(jù)及標注對所述數(shù)字串語音識別模型的損失值進行計算；

并在得到損失值后，對所述數(shù)字串語音識別模型進行迭代訓練，從而實現(xiàn)模型優(yōu)化；

構(gòu)建所述數(shù)字串語音識別模型中的所述卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包含一層卷積網(wǎng)絡(luò)和一層maxpooling，其中，卷積網(wǎng)絡(luò)采用5×5的卷積核，maxpooling層采用5×5的Filter結(jié)構(gòu)；

所述卷積神經(jīng)網(wǎng)絡(luò)的輸入層為所述待識別語音的頻譜圖特征數(shù)據(jù)，輸出層的數(shù)據(jù)結(jié)構(gòu)為幀數(shù)乘以1024維的矩陣。

2.如權(quán)利要求1所述的方法，其特征在于，所述長短期記憶網(wǎng)絡(luò)的結(jié)構(gòu)為3層，每層網(wǎng)絡(luò)包含300個神經(jīng)元。

3.如權(quán)利要求2所述的方法，其特征在于，所述長短期記憶網(wǎng)絡(luò)的輸入層為所述卷積神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，輸出層為幀數(shù)乘以300維的矩陣。

4.如權(quán)利要求1所述的方法，其特征在于，所述全連接網(wǎng)絡(luò)對所述長短期記憶網(wǎng)絡(luò)的每幀300維的輸出結(jié)果轉(zhuǎn)換為10個分類，10個分類分別對應(yīng)數(shù)字0到9。

5.一種身份驗證裝置，其特征在于，所述裝置包含輸入單元、驗證單元和輸出單元，其中，

所述輸出單元向用戶展示語音輸入要求，所述語音輸入要求中包含預(yù)設(shè)數(shù)字串或提示信息；

所述輸入單元用于接收用戶輸入的語音信號，并傳輸至驗證單元；

所述驗證單元對接收到的語音信號進行驗證，包含基于權(quán)利要求1至4中任一所述的數(shù)字串語音識別方法，對所述語音信號進行識別，并基于識別出的數(shù)字串文本對所述用戶身份進行驗證，并發(fā)送驗證結(jié)果至所述輸出單元；

所述輸出單元接收所述驗證結(jié)果，并對其進行顯示。

6.一種計算機可讀存儲介質(zhì)，存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至4中任一項所述的方法。