[發(fā)明專利]語音識別方法及裝置

在審

• 申請?zhí)枺?/td>: 202011625075.0
• 申請日: 2020-12-31
• 公開（公告）號: CN114694636A
• 公開（公告）日: 2022-07-01
• 發(fā)明（設(shè)計(jì)）人: 尹旭賢
• 申請（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/16;G06N3/04;G06N3/08
• 代理公司: 北京格羅巴爾知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11406
• 代理人: 孫德崇

1.一種語音識別方法，其特征在于，所述方法包括：

終端設(shè)備將待識別的音素輸入到第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型中，其中，所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型為采用訓(xùn)練樣本對第一多任務(wù)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到的，所述訓(xùn)練樣本包括：樣本語句，所述樣本語句中包括字符，所述訓(xùn)練樣本還包括：樣本語句中的字符對應(yīng)的音素、標(biāo)點(diǎn)；

采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型輸出第一預(yù)測結(jié)果，所述第一預(yù)測結(jié)果包括所述待識別的音素對應(yīng)的字符預(yù)測結(jié)果和標(biāo)點(diǎn)預(yù)測結(jié)果；

終端設(shè)備根據(jù)所述第一預(yù)測結(jié)果將所述第一預(yù)測結(jié)果的至少一部分顯示在所述終端設(shè)備的顯示屏上。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述樣本語句中字符的長度與音素的長度和標(biāo)點(diǎn)的長度相同。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型為流式網(wǎng)絡(luò)結(jié)構(gòu)，

終端設(shè)備將待識別的音素輸入到第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型中，采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型輸出第一預(yù)測結(jié)果，包括：所述終端設(shè)備將待識別的音素循環(huán)送入第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型中，采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型基于當(dāng)前輸入的待識別的音素的長度輸出所述第一預(yù)測結(jié)果。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述終端設(shè)備將待識別的音素循環(huán)送入第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型中，采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型基于當(dāng)前輸入的待識別的音素的長度輸出所述第一預(yù)測結(jié)果，包括：

在完成將全部待識別的音素輸入第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型之前，如果當(dāng)前輸入的音素的長度小于感受野，則終端設(shè)備繼續(xù)輸入下一個(gè)音素；

在完成將全部待識別的音素輸入第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型之前，如果當(dāng)前輸入的音素的長度不小于感受野，則終端設(shè)備根據(jù)當(dāng)前輸入的音素的字符和標(biāo)點(diǎn)，得到當(dāng)前輸入的音素的第一個(gè)音素的第二預(yù)測結(jié)果，并存儲第二預(yù)測結(jié)果；終端設(shè)備將所述第一個(gè)音素的特征向量、當(dāng)前輸入的音素中除了第一個(gè)音素以外的音素和待識別的音素中的下一個(gè)音素繼續(xù)輸入第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述終端設(shè)備將待識別的音素循環(huán)送入第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型中，采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型基于當(dāng)前輸入的待識別的音素的長度輸出所述第一預(yù)測結(jié)果，還包括：

在完成將全部待識別的音素輸入第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型時(shí)，終端設(shè)備根據(jù)當(dāng)前輸入的音素的字符和標(biāo)點(diǎn)，得到當(dāng)前輸入的音素的第二預(yù)測結(jié)果；

若不存在已存儲的第二預(yù)測結(jié)果，則終端設(shè)備將當(dāng)前輸入的音素的第二預(yù)測結(jié)果作為待識別的音素的第一預(yù)測結(jié)果；

若存在已存儲的第二預(yù)測結(jié)果，則根據(jù)當(dāng)前輸入的音素的第二預(yù)測結(jié)果和已存儲的第二預(yù)測結(jié)果，得到待識別的音素的第一預(yù)測結(jié)果。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型為非流式網(wǎng)絡(luò)結(jié)構(gòu)，

采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型輸出第一預(yù)測結(jié)果，包括：

采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型基于待識別的音素的總長度和音素長度閾值的關(guān)系，輸出所述第一預(yù)測結(jié)果。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型基于待識別的音素的總長度和音素長度閾值的關(guān)系，輸出所述第一預(yù)測結(jié)果，包括：

若待識別的音素的總長度小于音素長度閾值，采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型根據(jù)全部的待識別的音素，輸出所述第一預(yù)測結(jié)果。

8.根據(jù)權(quán)利要求6或7所述的方法，其特征在于，采用所述第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型基于待識別的音素的總長度和音素長度閾值的關(guān)系，輸出所述第一預(yù)測結(jié)果，包括：

若待識別的音素的總長度不小于音素長度閾值，在完成將全部待識別的音素輸入第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型之前：如果當(dāng)前輸入的音素的長度小于音素長度閾值，則終端設(shè)備繼續(xù)輸入下一個(gè)音素；如果當(dāng)前輸入的音素的長度不小于音素長度閾值，則終端設(shè)備根據(jù)當(dāng)前輸入的音素的字符和標(biāo)點(diǎn)，得到當(dāng)前輸入的音素的第一個(gè)音素的第二預(yù)測結(jié)果并存儲第二預(yù)測結(jié)果，終端設(shè)備將當(dāng)前輸入的音素中除了第一個(gè)音素以外的音素和待識別的音素中的下一個(gè)音素繼續(xù)輸入第二多任務(wù)神經(jīng)網(wǎng)絡(luò)模型。