[發(fā)明專利]模型的訓(xùn)練方法、語音識別方法、裝置、介質(zhì)及設(shè)備

有效

• 申請?zhí)枺?/td>: 202011554089.8
• 申請日: 2020-12-24
• 公開（公告）號: CN112669816B
• 公開（公告）日: 2023-06-02
• 發(fā)明（設(shè)計）人: 王康
• 申請（專利權(quán)）人: 北京有竹居網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/06
• 代理公司: 北京英創(chuàng)嘉友知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11447
• 代理人: 南毅寧

本公開涉及一種模型的訓(xùn)練方法、語音識別方法、裝置、介質(zhì)及設(shè)備，所述方法包括：獲取訓(xùn)練數(shù)據(jù)，其中，所述訓(xùn)練數(shù)據(jù)中包含至少兩個語種的標(biāo)注數(shù)據(jù)；按照每一語種的標(biāo)注數(shù)據(jù)的數(shù)量由高至低的順序?qū)Ω鱾€語種進(jìn)行排序，以獲得各個語種對應(yīng)的訓(xùn)練順序；按照所述訓(xùn)練順序指示的語種的排位，依次獲取每一語種所對應(yīng)的目標(biāo)數(shù)據(jù)對預(yù)設(shè)模型進(jìn)行迭代訓(xùn)練，獲得目標(biāo)語音識別模型，其中，所述目標(biāo)數(shù)據(jù)是根據(jù)所述訓(xùn)練順序中第一排位至當(dāng)前排位的語種的標(biāo)注數(shù)據(jù)確定出的。通過上述技術(shù)方案，可以有效避免標(biāo)注數(shù)據(jù)的數(shù)量分布不均對目標(biāo)語音識別模型的準(zhǔn)確率的影響，同時也可以提高目標(biāo)語音識別模型的訓(xùn)練效率。

技術(shù)領(lǐng)域

本公開涉及計算機技術(shù)領(lǐng)域，具體地，涉及一種模型的訓(xùn)練方法、語音識別方法、裝置、介質(zhì)及設(shè)備。

背景技術(shù)

在國際化的推進(jìn)過程中，會遇到多語種的語音識別問題。每一語種都有其獨特性，其使用范圍和普及度也各不相同。由此，可以對多語種的語音數(shù)據(jù)進(jìn)行識別的語音識別模型應(yīng)運而生。然后在該語音識別模型的訓(xùn)練數(shù)據(jù)的中針對不同語種的收集難度和不同語種的語音數(shù)據(jù)的數(shù)據(jù)量也都不同，通常使用人數(shù)較多的語種，其對應(yīng)的訓(xùn)練數(shù)據(jù)較多。現(xiàn)有技術(shù)中，通常是將不同訓(xùn)練數(shù)據(jù)量的語種所對應(yīng)的訓(xùn)練數(shù)據(jù)混合在一起進(jìn)行訓(xùn)練，這會導(dǎo)致訓(xùn)練得出的模型對數(shù)據(jù)量較多的語種的識別率較高，而對于數(shù)據(jù)量較少的語種的識別率較低。

發(fā)明內(nèi)容

提供該發(fā)明內(nèi)容部分以便以簡要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實施方式部分被詳細(xì)描述。該發(fā)明內(nèi)容部分并不旨在標(biāo)識要求保護的技術(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的技術(shù)方案的范圍。

第一方面，本公開提供一種語音識別模型的訓(xùn)練方法，所述方法包括：

獲取訓(xùn)練數(shù)據(jù)，其中，所述訓(xùn)練數(shù)據(jù)中包含至少兩個語種的標(biāo)注數(shù)據(jù)；

按照每一語種的標(biāo)注數(shù)據(jù)的數(shù)量由高至低的順序?qū)Ω鱾€語種進(jìn)行排序，以獲得各個語種對應(yīng)的訓(xùn)練順序；

按照所述訓(xùn)練順序指示的語種的排位，依次獲取每一語種所對應(yīng)的目標(biāo)數(shù)據(jù)對預(yù)設(shè)模型進(jìn)行迭代訓(xùn)練，獲得目標(biāo)語音識別模型，其中，所述目標(biāo)數(shù)據(jù)是根據(jù)所述訓(xùn)練順序中第一排位至當(dāng)前排位的語種的標(biāo)注數(shù)據(jù)確定出的，所述目標(biāo)語音識別模型用于對所述至少兩個語種的語音數(shù)據(jù)進(jìn)行語音識別。

第二方面，提供一種語音識別方法，所述方法包括：

接收待識別的語音數(shù)據(jù)；

將所述語音數(shù)據(jù)輸入目標(biāo)語音識別模型，將所述目標(biāo)語音識別模型輸出的識別結(jié)果作為所述語音數(shù)據(jù)的識別結(jié)果，其中，所述目標(biāo)語音識別模型為根據(jù)第一方面所述方法訓(xùn)練得出的。

第三方面，提供一種語音識別模型的訓(xùn)練裝置，所述裝置包括：

獲取模塊，用于獲取訓(xùn)練數(shù)據(jù)，其中，所述訓(xùn)練數(shù)據(jù)中包含至少兩個語種的標(biāo)注數(shù)據(jù)；

排序模塊，用于按照每一語種的標(biāo)注數(shù)據(jù)的數(shù)量由高至低的順序?qū)Ω鱾€語種進(jìn)行排序，以獲得各個語種對應(yīng)的訓(xùn)練順序；

訓(xùn)練模塊，用于按照所述訓(xùn)練順序指示的語種的排位，依次獲取每一語種所對應(yīng)的目標(biāo)數(shù)據(jù)對預(yù)設(shè)模型進(jìn)行迭代訓(xùn)練，獲得目標(biāo)語音識別模型，其中，所述目標(biāo)數(shù)據(jù)是根據(jù)所述訓(xùn)練順序中第一排位至當(dāng)前排位的語種的標(biāo)注數(shù)據(jù)確定出的，所述目標(biāo)語音識別模型用于對所述至少兩個語種的語音數(shù)據(jù)進(jìn)行語音識別。

第四方面，提供一種語音識別裝置，所述裝置包括：

接收模塊，用于接收待識別的語音數(shù)據(jù)；

輸入模塊，用于將所述語音數(shù)據(jù)輸入目標(biāo)語音識別模型，將所述目標(biāo)語音識別模型輸出的識別結(jié)果作為所述語音數(shù)據(jù)的識別結(jié)果，其中，所述目標(biāo)語音識別模型為根據(jù)第一方面所述方法訓(xùn)練得出的。