[發(fā)明專利]語音識(shí)別方法、裝置、設(shè)備和計(jì)算機(jī)可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011375211.5
• 申請日: 2020-11-30
• 公開（公告）號(hào): CN112530416A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 彭毅;蔡玉玉;范璐;全宗峰;吳俊儀;楊帆
• 申請（專利權(quán)）人: 北京沃東天駿信息技術(shù)有限公司;北京京東世紀(jì)貿(mào)易有限公司
• 主分類號(hào): G10L15/183
• 分類號(hào): G10L15/183;G10L15/26
• 代理公司: 北京衛(wèi)智暢科專利代理事務(wù)所(普通合伙) 11557
• 代理人: 陳佳

本公開的實(shí)施例公開了語音識(shí)別方法、裝置、電子設(shè)備和計(jì)算機(jī)可讀介質(zhì)。該方法的一個(gè)具體實(shí)施方式包括：基于用戶定制內(nèi)容生成定制語言模型；確定定制語言模型的第一加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī)，其中，第一加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī)的邊權(quán)重是根據(jù)用戶定制內(nèi)容的語言概率生成的；通過第一加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī)和基礎(chǔ)解碼網(wǎng)路聯(lián)合搜索，對待處理語音進(jìn)行解碼，以生成待處理語音對應(yīng)的文本。該實(shí)施方式實(shí)現(xiàn)了提高語音識(shí)別的準(zhǔn)確率。

技術(shù)領(lǐng)域

本公開的實(shí)施例涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及語音識(shí)別方法、裝置、設(shè)備和計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

隨著人工智能技術(shù)的高速發(fā)展，語音識(shí)別技術(shù)被廣泛應(yīng)用于會(huì)議內(nèi)容記錄、呼叫中心、人機(jī)交互等多個(gè)領(lǐng)域。與此同時(shí)，用戶對于語音識(shí)別的需要也越來越多，不僅要求通用場景下的高識(shí)別率，還經(jīng)常會(huì)提出定制化需求，即在短時(shí)間內(nèi)提升某些定制內(nèi)容識(shí)別率。

為了滿足這種定制化需求，相關(guān)的語音識(shí)別技術(shù)主要有兩種解決辦法：第一，是將用戶定制內(nèi)容表示成文本，訓(xùn)練定制語言模型，然后和基礎(chǔ)語言模型插值，最終得到定制內(nèi)容概率增強(qiáng)的語言模型。然后，利用該增強(qiáng)的語言模型重新構(gòu)建解碼網(wǎng)絡(luò)進(jìn)行識(shí)別。第二，使用定制內(nèi)容生成一個(gè)新的與定制內(nèi)容相關(guān)的解碼網(wǎng)絡(luò)(簡稱定制網(wǎng)絡(luò))。當(dāng)語音輸入時(shí)，在基礎(chǔ)解碼網(wǎng)絡(luò)和定制網(wǎng)絡(luò)上同時(shí)搜索，對基礎(chǔ)解碼網(wǎng)絡(luò)中的定制內(nèi)容重打分，增加其所在路徑的得分，進(jìn)而提高定制內(nèi)容的識(shí)別率。

這些語音識(shí)別技術(shù)主要存在以下技術(shù)問題：

第一，上述第一種解決辦法，生成插值語言模型后，需要將插值語言模型的WFST(Weighted Finite-State Transducer，加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī))和其它WFST進(jìn)行一系列復(fù)雜操作，重新生成最終的靜態(tài)解碼網(wǎng)絡(luò)。整個(gè)流程通常耗時(shí)長，迭代過程緩慢，很難滿足用戶緊急需求。

第二，上述第二種解決辦法，存在識(shí)別準(zhǔn)確率不高的問題。

發(fā)明內(nèi)容

本公開的內(nèi)容部分用于以簡要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實(shí)施方式部分被詳細(xì)描述。本公開的內(nèi)容部分并不旨在標(biāo)識(shí)要求保護(hù)的技術(shù)方案的關(guān)鍵特征或必要特征，也不旨在用于限制所要求的保護(hù)的技術(shù)方案的范圍。本公開的一些實(shí)施例提出了語音識(shí)別方法、裝置、電子設(shè)備和計(jì)算機(jī)可讀介質(zhì)，來解決以上背景技術(shù)部分提到的技術(shù)問題。

第一方面，本公開的一些實(shí)施例提供了一種語音識(shí)別方法，該方法包括：基于用戶定制內(nèi)容生成定制語言模型；確定定制語言模型的第一加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī)，其中，第一加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī)的邊權(quán)重是根據(jù)用戶定制內(nèi)容的語言概率生成的；通過第一加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī)和基礎(chǔ)解碼網(wǎng)路聯(lián)合搜索，對待處理語音進(jìn)行解碼，以生成待處理語音對應(yīng)的文本。

第二方面，本公開的一些實(shí)施例提供了一種語音識(shí)別裝置，裝置包括：生成單元，被配置成基于用戶定制內(nèi)容生成定制語言模型；確定單元，被配置成確定定制語言模型的第一加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī)，其中，第一加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī)的邊權(quán)重是根據(jù)用戶定制內(nèi)容的語言概率生成的；解碼單元，被配置成通過第一加權(quán)有限狀態(tài)轉(zhuǎn)換機(jī)和基礎(chǔ)解碼網(wǎng)路聯(lián)合搜索，對待處理語音進(jìn)行解碼，以生成待處理語音對應(yīng)的文本。

第三方面，本公開的一些實(shí)施例提供了一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器；存儲(chǔ)裝置，其上存儲(chǔ)有一個(gè)或多個(gè)程序，當(dāng)一個(gè)或多個(gè)程序被一個(gè)或多個(gè)處理器執(zhí)行，使得一個(gè)或多個(gè)處理器實(shí)現(xiàn)如第一方面中任一實(shí)現(xiàn)方式描述的方法。

第四方面，本公開的一些實(shí)施例提供了一種計(jì)算機(jī)可讀介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中，程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面中任一實(shí)現(xiàn)方式描述的方法。