[發(fā)明專利]具有高效解碼的自動語音識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011381159.4
• 申請日: 2020-11-30
• 公開（公告）號: CN113450802A
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計）人: 彼得·羅森;約阿希姆·霍夫
• 申請（專利權(quán)）人: 英特爾公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/02;G10L15/28;G10L19/00
• 代理公司: 北京東方億思知識產(chǎn)權(quán)代理有限責(zé)任公司 11258
• 代理人: 董越

1.一種計算機實現(xiàn)的自動語音識別方法，包括：

獲得音頻數(shù)據(jù)，所述音頻數(shù)據(jù)包括被分成幀的人類語音；

通過語音識別解碼器傳播這些幀的令牌，包括：針對各個幀更新解碼器束寬，所述更新發(fā)生在所述幀中的一個幀的當(dāng)前令牌分數(shù)被計算之后并且在同一個幀的后續(xù)令牌分數(shù)被與更新后的束寬進行比較之前，其中后續(xù)是相對于計算所述當(dāng)前令牌分數(shù)時而言的，并且其中所述更新針對所述一個幀的多個當(dāng)前令牌分數(shù)被重復(fù)；以及

根據(jù)所述令牌分數(shù)，確定一個或多個假設(shè)聲音、單詞或短語。

2.如權(quán)利要求1所述的方法，其中，對所述束寬的更新是在幀的每個令牌分數(shù)被生成并且適配在當(dāng)前束寬內(nèi)之后發(fā)生的。

3.如權(quán)利要求1所述的方法，其中，確定要對所述束寬進行更新是以幾個所生成的令牌分數(shù)為間隔均勻發(fā)生的。

4.如權(quán)利要求1所述的方法，其中，針對所述幀以逐個令牌分數(shù)的方式更新所述束寬，而不管令牌分數(shù)與哪個令牌相關(guān)聯(lián)。

5.如權(quán)利要求1所述的方法，包括：

在所述解碼器上的多個節(jié)點中設(shè)置源節(jié)點和目的地節(jié)點；

根據(jù)所述源節(jié)點處的先前令牌分數(shù)、所述源節(jié)點和目的地節(jié)點之間的弧權(quán)重、以及所述目的地節(jié)點處的聲學(xué)分數(shù)，計算當(dāng)前令牌分數(shù)；

將所述當(dāng)前令牌分數(shù)與當(dāng)前束寬進行比較；以及

當(dāng)所述當(dāng)前令牌分數(shù)在所述當(dāng)前束寬內(nèi)時，在下一個令牌分數(shù)被計算之前更新所述束寬。

6.如權(quán)利要求1所述的方法，其中，所述更新是在預(yù)定最小數(shù)目的令牌分數(shù)被添加到令牌列表之后被發(fā)起的。

7.如權(quán)利要求1所述的方法，其中，所述更新是在從幀的處理的開始起達到預(yù)定時間之后被發(fā)起的。

8.如權(quán)利要求1所述的方法，包括：當(dāng)各個令牌分數(shù)被生成時，用令牌分數(shù)更新直方圖；以及確定更新后的束寬，包括使用所述直方圖進行確定。

9.如權(quán)利要求8所述的方法，包括：在所述一個幀的處理期間，每當(dāng)所述直方圖被更新時更新所述束寬。

10.一種計算機實現(xiàn)的自動語音識別系統(tǒng)，包括：

音頻捕獲設(shè)備；

存儲器；以及

至少一個處理器，通信地耦合到所述音頻捕獲設(shè)備和所述存儲器，并且被布置為通過以下方式操作：

獲得音頻數(shù)據(jù)，所述音頻數(shù)據(jù)包括被分成幀的人類語音；

通過語音識別解碼器傳播這些幀的令牌，包括：針對各個幀更新解碼器束寬，所述更新發(fā)生在所述幀中的一個幀的當(dāng)前令牌分數(shù)被計算之后并且在同一個幀的后續(xù)令牌分數(shù)被與更新后的束寬比較之前，其中后續(xù)是相對于計算所述當(dāng)前令牌分數(shù)時而言的，并且其中所述更新針對所述一個幀的多個當(dāng)前令牌分數(shù)被重復(fù)；以及

根據(jù)所述令牌分數(shù)，確定一個或多個假設(shè)聲音、單詞或短語。

11.如權(quán)利要求10所述的系統(tǒng)，其中，所述更新是在幀的每個令牌分數(shù)被確定并且適配在當(dāng)前束寬內(nèi)之后發(fā)生的。

12.如權(quán)利要求10所述的系統(tǒng)，其中，所述更新是幀內(nèi)直方圖修剪，該幀內(nèi)直方圖修剪在單幀處理期間提供束寬更新，所述單幀處理至少從在所述解碼器上生成所述幀的第一個令牌分數(shù)延伸到使用所述單幀的最后計算的令牌分數(shù)進行的處理的結(jié)尾。

13.如權(quán)利要求12所述的系統(tǒng)，其中，對所述最后計算的令牌分數(shù)進行的所述處理的結(jié)尾包括：將所述最后計算的令牌分數(shù)與最近更新的束寬進行比較。

14.如權(quán)利要求10所述的系統(tǒng)，其中，所述至少一個處理器被布置為除了在所述一個幀的處理期間執(zhí)行多個束寬更新之外，還在幀的處理之間執(zhí)行束寬更新。