[發(fā)明專利]一種語(yǔ)音識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110308487.X
• 申請(qǐng)日: 2021-03-23
• 公開(kāi)（公告）號(hào): CN113077786B
• 公開(kāi)（公告）日: 2022-12-02
• 發(fā)明（設(shè)計(jì)）人: 徐燃
• 申請(qǐng)（專利權(quán)）人: 北京如布科技有限公司
• 主分類號(hào): G10L15/08
• 分類號(hào): G10L15/08;G10L15/00;G10L15/16;G10L15/06;G10L15/22
• 代理公司: 北京云知萬(wàn)象專利代理事務(wù)所(普通合伙) 16013
• 代理人: 何輝

本申請(qǐng)?zhí)峁┮环N語(yǔ)音識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：獲取新語(yǔ)言的命令語(yǔ)音；根據(jù)所述新語(yǔ)言的第一字典和所述新語(yǔ)言的第一聲學(xué)模型，得到所述命令語(yǔ)音的語(yǔ)法，所述第一字典根據(jù)第一語(yǔ)言的第二字典以及所述新語(yǔ)言與所述第一語(yǔ)言的音素映射關(guān)系確定，所述第一聲學(xué)模型根據(jù)所述第一語(yǔ)言的第二聲學(xué)模型和第一字典確定，所述第一語(yǔ)言為基礎(chǔ)語(yǔ)言中與所述新語(yǔ)言發(fā)音音素更接近的語(yǔ)言，所述基礎(chǔ)語(yǔ)言包括無(wú)聲調(diào)語(yǔ)言和有聲調(diào)語(yǔ)言；根據(jù)所述新語(yǔ)言的語(yǔ)法和所述第一聲學(xué)模型解碼得到所述命令語(yǔ)音的命令詞。采用本申請(qǐng)實(shí)施例的方案，可以快速實(shí)現(xiàn)多語(yǔ)言識(shí)別，成本低，性價(jià)比高。

技術(shù)領(lǐng)域

本申請(qǐng)涉及語(yǔ)音識(shí)別領(lǐng)域，具體涉及一種語(yǔ)音識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著全球化的發(fā)展，很多具備語(yǔ)音命令控制的產(chǎn)品都要求能支持多種主要語(yǔ)言，這就需要給每種語(yǔ)言單獨(dú)訓(xùn)練聲學(xué)模型。然而，對(duì)于每種語(yǔ)言從無(wú)到有訓(xùn)練聲學(xué)模型的過(guò)程，數(shù)據(jù)獲取成本高，開(kāi)發(fā)周期長(zhǎng)。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┮环N語(yǔ)音識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，快速實(shí)現(xiàn)多語(yǔ)言識(shí)別，成本低，性價(jià)比高。

為實(shí)現(xiàn)上述目的，本申請(qǐng)實(shí)施例提供一種語(yǔ)音識(shí)別方法，包括：

獲取新語(yǔ)言的命令語(yǔ)音；

根據(jù)所述新語(yǔ)言的第一字典和所述新語(yǔ)言的第一聲學(xué)模型，得到所述命令語(yǔ)音的語(yǔ)法，所述第一字典根據(jù)第一語(yǔ)言的第二字典以及所述新語(yǔ)言與所述第一語(yǔ)言的音素映射關(guān)系確定，所述第一聲學(xué)模型根據(jù)所述第一語(yǔ)言的第二聲學(xué)模型和第一字典確定，所述第一語(yǔ)言為基礎(chǔ)語(yǔ)言中與所述新語(yǔ)言發(fā)音音素更接近的語(yǔ)言，所述基礎(chǔ)語(yǔ)言包括無(wú)聲調(diào)語(yǔ)言和有聲調(diào)語(yǔ)言；

根據(jù)所述新語(yǔ)言的語(yǔ)法和所述第一聲學(xué)模型解碼得到所述命令語(yǔ)音的命令詞。

進(jìn)一步的，在所述根據(jù)所述新語(yǔ)言的第一字典和所述新語(yǔ)言的第一聲學(xué)模型，得到所述命令語(yǔ)音的語(yǔ)法之前，還包括：

獲取新語(yǔ)言的訓(xùn)練樣本，所述訓(xùn)練樣本的采樣人數(shù)小于等于200，每人錄音次數(shù)相同，所述錄音次數(shù)小于等于10.

進(jìn)一步的，所述采樣人數(shù)中男女人數(shù)相同。

進(jìn)一步的，所述訓(xùn)練樣本包括同一采樣人等距離采樣的N條同步錄音，所述N小于等于3.

進(jìn)一步的，在所述根據(jù)所述新語(yǔ)言的第一字典和所述新語(yǔ)言的第一聲學(xué)模型，得到所述命令語(yǔ)音的語(yǔ)法之前，還包括：

根據(jù)所述新語(yǔ)言與所述第一語(yǔ)言的音素映射關(guān)系，確定所述新語(yǔ)言的第一字典，所述第一字典中的第一音素為所述第二字典中用于表征所述新語(yǔ)言發(fā)音的第二音素。

進(jìn)一步的，在所述根據(jù)所述新語(yǔ)言的第一字典和所述新語(yǔ)言的第一聲學(xué)模型，得到所述命令語(yǔ)音的語(yǔ)法之前，還包括：

將所述第一字典中的音素對(duì)齊；

根據(jù)對(duì)齊結(jié)果，以預(yù)設(shè)學(xué)習(xí)率對(duì)所述第二聲學(xué)模型進(jìn)行微調(diào)迭代，得到所述第一聲學(xué)模型，所述預(yù)設(shè)學(xué)習(xí)率小于等于低學(xué)習(xí)率閾值，所述第二聲學(xué)模型為基于神經(jīng)網(wǎng)絡(luò)的聲學(xué)模型。

進(jìn)一步的，所述無(wú)聲調(diào)語(yǔ)言為英語(yǔ)，所述有聲調(diào)語(yǔ)言為漢語(yǔ)。

為實(shí)現(xiàn)上述目的，本申請(qǐng)實(shí)施例提供一種語(yǔ)音識(shí)別裝置，包括：

獲取單元，設(shè)置為獲取新語(yǔ)言的命令語(yǔ)音；

語(yǔ)法單元，設(shè)置為根據(jù)所述新語(yǔ)言的第一字典和所述新語(yǔ)言的第一聲學(xué)模型，得到所述命令語(yǔ)音的語(yǔ)法，所述第一字典根據(jù)第一語(yǔ)言的第二字典以及所述新語(yǔ)言與所述第一語(yǔ)言的音素映射關(guān)系確定，所述第一聲學(xué)模型根據(jù)所述第一語(yǔ)言的第二聲學(xué)模型和第一字典確定，所述第一語(yǔ)言為基礎(chǔ)語(yǔ)言中與所述新語(yǔ)言發(fā)音音素更接近的語(yǔ)言，所述基礎(chǔ)語(yǔ)言包括無(wú)聲調(diào)語(yǔ)言和有聲調(diào)語(yǔ)言；