[發明專利]一種疊字語音識別方法及系統

有效

• 申請號: 202010315390.7
• 申請日: 2020-04-21
• 公開（公告）號: CN111696524B
• 公開（公告）日: 2023-02-14
• 發明（設計）人: 張廣學;肖龍源;葉志堅;李稀敏;劉曉葳
• 申請（專利權）人: 廈門快商通科技股份有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/16;G10L15/26
• 代理公司: 廈門仕誠聯合知識產權代理事務所(普通合伙) 35227
• 代理人: 吳圳添

1.一種疊字語音識別方法，其特征在于，包括以下步驟：

獲取待識別語音；

提取所述待識別語音的語音特征，所述語音特征包括能量衰減特征；

將所述語音特征輸入已經訓練好的神經網絡模型中；

所述神經網絡模型判斷是否有疊字出現；

提取所述能量衰減特征的方法，包括以下步驟：提取元音音素的共振峰的頻率；提取所述頻率下所述待識別語音的能量衰減曲線，得到能量衰減特征；

所述語音特征還包括MFCC特征和I-VECTOR特征；

所述神經網絡模型的構建方法，包括以下步驟：準備訓練語料和所述訓練語料對應的文本；對訓練語料的語音進行對齊；提取所述訓練語料的語料語音特征；將所述語料語音特征輸入所述神經網絡模型進行訓練，直至滿足訓練結束條件。

2.根據權利要求1所述的疊字語音識別方法，其特征在于，所述能量衰減曲線不包括非元音音素的能量衰減點。

3.根據權利要求1所述的疊字語音識別方法，其特征在于，還包括步驟：所述神經網絡模型輸出識別文本。

4.根據權利要求1所述的疊字語音識別方法，其特征在于，所述神經網絡模型為TDNN時延神經網絡。

5.一種采用如權利要求1～4任一項所述方法的疊字語音識別系統，其特征在于，包括：

語音輸入終端，用于輸入所述待識別語音；

識別模塊，用于提取所述待識別語音的語音特征，所述語音特征包括能量衰減特征；所述語音特征還包括MFCC特征和I-VECTOR特征；將所述語音特征輸入已經訓練好的神經網絡模型中；所述神經網絡模型對所述待識別語音的音頻數據進行識別，判定待識別語音是否有疊字出現；提取所述能量衰減特征的方法，包括以下步驟：提取元音音素的共振峰的頻率；提取所述頻率下所述待識別語音的能量衰減曲線，得到能量衰減特征；所述神經網絡模型的構建方法，包括以下步驟：準備訓練語料和所述訓練語料對應的文本；對訓練語料的語音進行對齊；提取所述訓練語料的語料語音特征；將所述語料語音特征輸入所述神經網絡模型進行訓練，直至滿足訓練結束條件。