[發明專利]語音識別的方法、裝置、電子設備和計算機可讀介質

有效

• 申請號: 202010512892.9
• 申請日: 2020-06-08
• 公開（公告）號: CN111681661B
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 蔡猛;梁鎮麟
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/183;G10L15/06;G10L15/02
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 車英慧

本公開的實施例公開了語音識別的方法、裝置、電子設備和計算機可讀介質。該方法的一具體實施方式包括：針對目標語音的語音幀序列中的每個語音幀，生成上述語音幀的音節概率集合，得到音節概率集合序列，其中，上述音節概率集合用于表征上述語音幀表達的是預設的多個音節中各個音節的概率；基于上述音節概率集合序列和預先訓練的語言模型，生成目標文字。該實施方式通過外接語言模型再解碼，使得語音識別的結果更準確，進一步的，提升了用戶體驗。

技術領域

本公開的實施例涉及計算機技術領域，具體涉及語音識別的方法、裝置、電子設備和計算機可讀介質。

背景技術

目前，語音識別已經廣泛的應用在人們的生活中。然而，相關的方法在語音識別過程中，往往存在語音識別不準確的現象，從而導致用戶體驗差。

發明內容

本公開的內容部分用于以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。本公開的內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

本公開的一些實施例提出了用于語音識別的方法、裝置、設備和計算機可讀介質，來解決以上背景技術部分提到的技術問題。

第一方面，本公開的一些實施例提供了一種語音識別的方法，該方法包括：針對目標語音的語音幀序列中的每個語音幀，生成上述語音幀的音節概率集合，得到音節概率集合序列，其中，上述音節概率集合用于表征上述語音幀表達的是預設的多個音節中各個音節的概率；基于上述音節概率集合序列和預先訓練的語言模型，生成目標文字。

第二方面，本公開的一些實施例提供了一種語音識別的裝置，裝置包括：第一生成單元，被配置成針對目標語音的語音幀序列中的每個語音幀，生成上述語音幀的音節概率集合，得到音節概率集合序列，其中，上述音節概率集合用于表征上述語音幀表達的是預設的多個音節中各個音節的概率；第二生成單元，被配置成基于上述音節概率集合序列和預先訓練的語言模型，生成目標文字。

第三方面，本公開的一些實施例提供了一種電子設備，包括：一個或多個處理器；存儲裝置，其上存儲有一個或多個程序，當一個或多個程序被一個或多個處理器執行，使得一個或多個處理器實現如第一方面中任一的方法。

第四方面，本公開的一些實施例提供了一種計算機可讀介質，其上存儲有計算機程序，其中，程序被處理器執行時實現如第一方面中任一的方法。

本公開的上述各個實施例中的一個實施例具有如下有益效果：首先確定出目標語音所包括的各個語音幀的音節概率集合，得到音節概率集合序列。然后，根據音節概率集合序列，再外接一個預先訓練的語言模型解碼，最終得到目標文字。外接語言模型可以更好地利用文本語料。作為示例，可以通過調整外接語言模型，使得某些詞(例如，熱詞)的概率發生改變。最終使得解碼出來的目標文字更加準確。

附圖說明

結合附圖并參考以下具體實施方式，本公開各實施例的上述和其他特征、優點及方面將變得更加明顯。貫穿附圖中，相同或相似的附圖標記表示相同或相似的元素。應當理解附圖是示意性的，原件和元素不一定按照比例繪制。

圖1是根據本公開的一些實施例的語音識別的方法的一個應用場景的示意圖；

圖2是根據本公開的語音識別的方法的一些實施例的流程圖；

圖3是根據本公開的語音識別的方法的另一些實施例的流程圖；

圖4是根據本公開的語音識別的方法的再一些實施例的流程圖；

圖5是根據本公開的語音識別的方法的一些實施例的貪心搜索方法示意圖；

圖6是根據本公開的語音識別的方法的一些實施例語音解碼示意圖；

圖7是根據本公開的語音識別的裝置的一些實施例的結構示意圖；