[發明專利]語音識別模型的生成方法、語音識別方法、裝置

有效

• 申請號: 202010573393.0
• 申請日: 2020-06-22
• 公開（公告）號: CN111696526B
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 趙媛媛;王曉瑞;李巖
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 謝曲曲

1.一種語音識別模型的生成方法，其特征在于，包括：

對多個語音信號樣本各自對應的原始語音特征序列進行劃分，生成每個語音信號樣本對應的多個原始語音特征塊；

采用待訓練的語音識別模型對所述每個語音信號樣本對應的多個原始語音特征塊分別進行編碼和解碼，得到每個原始語音特征塊對應的預測文本子序列，根據所述每個原始語音特征塊對應的預測文本子序列拼接得到所述每個語音信號樣本的預測文本序列；

根據所述每個語音信號樣本對應的預測文本序列，對所述待訓練的語音識別模型進行訓練，直至達到預設停止條件，生成語音識別模型。

2.根據權利要求1所述的語音識別模型的生成方法，其特征在于，所述采用待訓練的語音識別模型對所述每個語音信號樣本對應的多個原始語音特征塊分別進行編碼和解碼，得到每個原始語音特征塊對應的預測文本子序列，包括：

對所述每個語音信號樣本對應的多個原始語音特征塊進行編碼，得到所述每個語音信號樣本對應的多個目標語音特征塊；

對每個目標語音特征塊進行解碼，得到所述每個目標語音特征塊對應的預測文本子序列。

3.根據權利要求2所述的語音識別模型的生成方法，其特征在于，所述對所述每個語音信號樣本對應的多個原始語音特征塊進行編碼，得到所述每個語音信號樣本對應的多個目標語音特征塊，包括：

確定所述每個語音信號樣本對應的多個原始語音特征塊中的每幀原始語音特征，與歷史時間段中的每幀原始語音特征的相似度；

根據所述相似度，生成與所述每幀原始語音特征對應的每幀目標語音特征；

根據所述每幀目標語音特征，生成所述每個語音信號樣本對應的多個目標語音特征塊。

4.根據權利要求2所述的語音識別模型的生成方法，其特征在于，所述對每個目標語音特征塊進行解碼，得到所述每個目標語音特征塊對應的預測文本子序列，包括：

獲取所述每個目標語音特征塊對應的標注文本子序列；

根據所述每個目標語音特征塊以及對應的所述標注文本子序列，生成所述每個目標語音特征塊對應的預測文本子序列。

5.根據權利要求4所述的語音識別模型的生成方法，其特征在于，所述根據所述每個目標語音特征塊以及對應的所述標注文本子序列，生成所述每個目標語音特征塊對應的預測文本子序列，包括：

對于每個目標語音特征塊，對與每個目標語音特征塊對應的標注文本子序列進行編碼；

根據編碼后的所述標注文本子序列，以及對應的所述每個目標語音特征塊進行相似度計算，生成所述每個目標語音特征塊對應的預測文本子序列。

6.根據權利要求1所述的語音識別模型的生成方法，其特征在于，所述對多個語音信號樣本各自對應的原始語音特征序列進行劃分，生成每個語音信號樣本對應的多個原始語音特征塊，包括：

獲取預設的每個原始語音特征塊的幀數；

根據所述每個原始語音特征塊的幀數，對所述原始語音特征序列進行劃分，生成多個原始語音特征塊。

7.根據權利要求1所述的語音識別模型的生成方法，其特征在于，所述根據所述每個語音信號樣本對應的預測文本序列，對所述待訓練的語音識別模型進行訓練，直至達到預設停止條件，生成語音識別模型，包括：

采用預設的損失函數，根據所述預測文本序列對所述待訓練的語音特征模型進行訓練，直至達到收斂條件后，

對所述待訓練的語音特征模型繼續進行訓練，直至獲取的字錯誤率滿足預設值，停止對所述待訓練的語音識別模型的訓練，生成所述語音識別模型。

8.一種語音識別方法，其特征在于，包括：

獲取待識別語音信號對應的待識別語音特征序列；

當獲取當前已輸入的所述待識別語音特征序列的時間長度滿足閾值時，則

采用權利要求1～7中任一項得到的語音識別模型，對所述當前已輸入的待識別語音特征序列進行識別，得到語音識別結果。