[發明專利]一種語音識別模型訓練方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011053173.1
• 申請日: 2020-09-29
• 公開（公告）號: CN112185361A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 張曉明
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/16;G06F40/289;G06N3/04;G06N3/08
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 劉星雨;張穎玲

1.一種語音識別模型訓練方法，其特征在于，所述方法包括：

獲取待識別音頻信息對應的標注文本信息，并基于文本的目標類型對所述待識別音頻信息對應的標注文本信息進行預處理；

遍歷經過預處理的標注文本信息，確定相應目標類型的文本信息；

基于所述目標類型的文本信息，在第一發音詞典中添加所述目標類型的文本信息對應的發音，形成第二發音詞典；

基于所述第二發音詞典，生成與所述待識別音頻信息對應的標注文本信息相匹配的發音序列；

根據所述待識別音頻信息對應的標注文本信息，以及與所述標注文本信息相匹配的發音序列，確定訓練樣本集合；

通過所述訓練樣本集合對所述語音識別模型中的聲學神經網絡進行訓練，以確定所述聲學神經網絡的模型參數；

通過所述訓練樣本集合對所述語音識別模型中的語言神經網絡進行訓練，以確定所述語音神經網絡的模型參數，以實現通過所述語音識別模型對使用環境中的不同語音信息進行處理。

2.根據權利要求1所述的方法，其特征在于，所述基于文本的目標類型對所述待識別音頻信息對應的標注文本信息進行預處理，包括：

對所述待識別音頻信息對應的標注文本信息進行遍歷，將格式為中文繁體的標注文本信息轉換為中文簡體的標注文本信息；

刪除所述標注文本信息中多余空格和所有標點信息；

當所述文本的目標類型為數字類型時，保留所述標注文本信息中的數字類型文本信息，以及與所述數字類型標注文本信息相連接的國際單位制縮寫信息；

通過分詞處理進程，利用觸發的分詞庫單詞詞典對所述標注文本信息進行分詞處理，形成不同的詞語級特征向量。

3.根據權利要求1所述的方法，其特征在于，所述基于所述目標類型的文本信息，在第一發音詞典中添加所述目標類型的文本信息對應的發音，形成第二發音詞典，包括：

基于所述目標類型的文本信息，確定與所述目標類型的文本信息相匹配的發音規則；

基于所述發音規則，生成與所述目標類型的文本信息對應的所有目標類型的文本信息的發音；

將所述目標類型的文本信息對應的所有目標類型的文本信息的發音添加至所述第一發音詞典中，形成第二發音詞典。

4.根據權利要求3所述的方法，其特征在于，所述基于所述目標類型的文本信息，確定與所述目標類型的文本信息相匹配的發音規則，包括：

當所述文本的目標類型為數字類型時，通過數字類型的正則匹配，確定所述標注文本信息中的數字類型標注文本信息；

基于所述數字類型的正則表達式，確定所述數字類型標注文本信息所歸屬的子類型；

根據所述數字類型標注文本信息所歸屬的子類型，確定與所述目標類型的文本信息相匹配的發音規則，其中所述發音規則包括所述數字類型標注文本信息所有相匹配的發音組合。

5.根據權利要求1所述的方法，其特征在于，所述根據所述待識別音頻信息對應的標注文本信息，以及與所述標注文本信息相匹配的發音序列，確定訓練樣本集合，包括：

確定所述標注文本信息相匹配的發音序列中，不同標注文本信息的所有發音；

基于所述待識別音頻信息對應的標注文本信息，以及不同標注文本信息的所有發音，形成相應的訓練樣本對，其中，一個訓練樣本對包括一個標注文本信息和一個標注文本信息的發音。

6.根據權利要求1所述的方法，其特征在于，所述通過所述訓練樣本集合對所述語音識別模型中的聲學神經網絡進行訓練，以確定所述聲學神經網絡的模型參數，包括：

確定與所述語音識別模型的使用環境相匹配的動態噪聲閾值；

根據所述動態噪聲閾值對所述訓練樣本集合進行去噪處理，以形成與所述動態噪聲閾值相匹配的第二訓練樣本集合，或者

確定與所述語音識別模型相對應的固定噪聲閾值；

根據所述固定噪聲閾值對所述訓練樣本集合進行去噪處理，以形成與所述固定噪聲閾值相匹配的第二訓練樣本集合；

通過所述第二訓練樣本集合對所述語音識別模型中的聲學神經網絡進行訓練，以確定所述聲學神經網絡的模型參數。