[發(fā)明專利]語音識別模型自訓練方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 202011554087.9 | 申請日： | 2020-12-24 |
| 公開（公告）號： | CN112530413B | 公開（公告）日： | 2022-11-04 |
| 發(fā)明（設計）人： | 薛少飛 | 申請（專利權）人： | 思必馳科技股份有限公司 |
| 主分類號： | G10L15/06 | 分類號： | G10L15/06 |
| 代理公司： | 北京商專永信知識產(chǎn)權代理事務所(普通合伙) 11400 | 代理人： | 黃謙;車江華 |
| 地址： | 215123 江蘇省蘇州市蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 語音 識別 模型 訓練 方法 系統(tǒng) | ||
1.一種語音識別模型自訓練的方法，包括：
利用合成音頻數(shù)據(jù)和當前上傳的用戶音頻數(shù)據(jù)，對語音識別模型進行自訓練，其中，所述合成音頻數(shù)據(jù)由已存儲的文本和參數(shù)化的聲學環(huán)境信息生成；
在自訓練后，不存儲所述用戶音頻數(shù)據(jù)，將所述用戶音頻數(shù)據(jù)轉(zhuǎn)化為文本和參數(shù)化的聲學環(huán)境信息進行存儲，其中，所述自訓練為增量自訓練。
2.根據(jù)權利要求1所述的方法，其中，所述已存儲的文本和參數(shù)化的聲學環(huán)境信息還包括通用的文本和通用的參數(shù)化的聲學環(huán)境信息。
3.根據(jù)權利要求1所述的方法，其中，所述合成音頻數(shù)據(jù)由已存儲的文本和參數(shù)化的聲學環(huán)境信息輸入至數(shù)據(jù)海綿模型生成的。
4.根據(jù)權利要求3所述的方法，其中，所述數(shù)據(jù)海綿模型的訓練過程包括：
提取訓練音頻中的聲學環(huán)境參數(shù)；
通過所述聲學環(huán)境參數(shù)、所述訓練音頻、所述訓練音頻對應的標注文本訓練，輸入為所述聲學環(huán)境參數(shù)、文本，輸出為合成音頻數(shù)據(jù)的數(shù)據(jù)海綿模型。
5.根據(jù)權利要求1所述的方法，其中，所述參數(shù)化的聲學環(huán)境信息包括：i-vector矢量，用于表示說話人、噪聲環(huán)境、語速的信息。
6.一種語音識別模型自訓練的系統(tǒng)，包括：
自訓練程序模塊，用于利用合成音頻數(shù)據(jù)和當前上傳的用戶音頻數(shù)據(jù)，對語音識別模型進行自訓練，其中，所述合成音頻數(shù)據(jù)由已存儲的文本和參數(shù)化的聲學環(huán)境信息生成，
在自訓練后，不存儲所述用戶音頻數(shù)據(jù)，將所述用戶音頻數(shù)據(jù)轉(zhuǎn)化為文本和參數(shù)化的聲學環(huán)境信息進行存儲，其中，所述自訓練為增量自訓練。
7.一種電子設備，其包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行權利要求1-5中任一項所述方法的步驟。
8.一種存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)權利要求1-5中任一項所述方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于思必馳科技股份有限公司，未經(jīng)思必馳科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011554087.9/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
