[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

本發明公開了一種疊字語音識別方法，包括以下步驟：獲取待識別語音；提取待識別語音的語音特征，語音特征包括能量衰減特征；將語音特征輸入已經訓練好的神經網絡模型中；神經網絡模型判斷是否有疊字出現。本發明還公開了一種采用上述方法的疊字語音識別系統。本發明加入了能量衰減特征進行識別，提高疊字的識別率。

技術領域

本發明涉及語音識別技術領域，特別是一種疊字語音識別方法及系統。

背景技術

語音識別技術已應用在生活的方方面面，如會議記錄、語言互譯、娛樂影音等。然而，對于一些疊字的語音，識別率還有待提高。在語譜圖中，有些疊字的發音頻域較窄、特征不明顯或是輔音發音特征不明顯，導致識別過程中會出現多字或是少字現象。

發明內容

本發明為解決上述問題，提供了一種疊字語音識別方法及系統，加入了能量衰減特征進行識別，提高疊字的識別率。

為實現上述目的，本發明采用的技術方案為：

一種疊字語音識別方法，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。

優選的，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。

優選的，所述能量衰減曲線不包括非元音音素的能量衰減點。

優選的，所述語音特征還包括MFCC特征和I-VECTOR特征。

優選的，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。

優選的，還包括步驟：所述神經網絡模型輸出識別文本。

優選的，所述神經網絡模型為TDNN時延神經網絡。

基于同樣的發明構思，本發明還提供了一種疊字語音識別系統，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。

本發明的有益效果是：

(1)提高疊字的識別率，減少非疊字的干擾；

(2)去除非元音音素的能量衰減點，加強能量衰減特征的特征性；

(3)使用端到端的網絡結構進行識別，直接輸出識別文本。

附圖說明

圖1為本發明一實施例所提供的神經網絡模型構建的流程圖。

具體實施方式

為了使本發明所要解決的技術問題、技術方案及有益效果更加清楚、明白，以下結合具體實施例對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發明，并不用于限定本發明。

實施例一