[發(fā)明專利]語音識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110328573.7
• 申請(qǐng)日: 2021-03-26
• 公開（公告）號(hào): CN113066480B
• 公開（公告）日: 2023-02-17
• 發(fā)明（設(shè)計(jì)）人: 李俊博
• 申請(qǐng)（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/06;G10L15/183;G10L15/26
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 黃海英

本公開關(guān)于一種語音識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：獲取待識(shí)別語音數(shù)據(jù)的聲學(xué)特征，并通過聲學(xué)模型將聲學(xué)特征處理為聲學(xué)表示；在由多個(gè)語言模型對(duì)應(yīng)的子圖鏈接而成的搜索圖中，搜索得到聲學(xué)表示對(duì)應(yīng)的多條解碼路徑；從多條解碼路徑中確定目標(biāo)解碼路徑，獲取基于目標(biāo)解碼路徑對(duì)聲學(xué)表示解碼得到的目標(biāo)文本數(shù)據(jù)，并將目標(biāo)文本數(shù)據(jù)確定為待識(shí)別語音數(shù)據(jù)的識(shí)別結(jié)果，本公開至少解決相關(guān)技術(shù)中單一語言模型難以支持復(fù)雜應(yīng)用場(chǎng)景下的語音識(shí)別需求的問題。

技術(shù)領(lǐng)域

本公開涉及語音識(shí)別技術(shù)領(lǐng)域，尤其涉及一種語音識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著語音識(shí)別技術(shù)的發(fā)展，語音識(shí)別內(nèi)容越來越豐富，語音識(shí)別所屬的業(yè)務(wù)場(chǎng)景也越來越復(fù)雜，單一語言模型難以支持復(fù)雜應(yīng)用場(chǎng)景下的語音識(shí)別。

為了復(fù)雜應(yīng)用場(chǎng)景下的語音識(shí)別效果，相關(guān)技術(shù)中出現(xiàn)了以下方案：將應(yīng)用場(chǎng)景的相關(guān)領(lǐng)域的語料均加入基礎(chǔ)語言模型的訓(xùn)練中，訓(xùn)練得到統(tǒng)一的語言模型；或是在同一個(gè)語言模型上，根據(jù)具體的應(yīng)用場(chǎng)景，將相關(guān)領(lǐng)域的語料進(jìn)行插值，得到一個(gè)新的語言模型；然后再基于得到的語言模型進(jìn)行HCLG構(gòu)圖，并解碼得到語音識(shí)別結(jié)果。

但是，相關(guān)技術(shù)中的語音識(shí)別方法，根據(jù)各個(gè)領(lǐng)域的語料訓(xùn)練得到的語言模型，會(huì)弱化每個(gè)領(lǐng)域的識(shí)別效果，使得語音識(shí)別的結(jié)果不夠準(zhǔn)確。

針對(duì)相關(guān)技術(shù)中單一語言模型難以支持復(fù)雜應(yīng)用場(chǎng)景下的語音識(shí)別需求的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本公開提供一種語音識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，以至少解決相關(guān)技術(shù)中單一語言模型難以支持復(fù)雜應(yīng)用場(chǎng)景下的語音識(shí)別需求的問題。本公開的技術(shù)方案如下：

根據(jù)本公開實(shí)施例的第一方面，提供一種語音識(shí)別方法，包括：獲取待識(shí)別語音數(shù)據(jù)的聲學(xué)特征，并通過聲學(xué)模型將聲學(xué)特征處理為聲學(xué)表示，其中，聲學(xué)表示表征聲學(xué)特征屬于目標(biāo)聲學(xué)符號(hào)序列的概率；在由多個(gè)語言模型對(duì)應(yīng)的子圖鏈接而成的搜索圖中，搜索得到聲學(xué)表示對(duì)應(yīng)的多條解碼路徑，其中，多個(gè)語言模型以及鏈接關(guān)系由待識(shí)別語音數(shù)據(jù)所屬的業(yè)務(wù)場(chǎng)景確定，每個(gè)語言模型對(duì)應(yīng)的子圖由聲學(xué)符號(hào)節(jié)點(diǎn)鏈接而成；從多條解碼路徑中確定目標(biāo)解碼路徑，獲取基于目標(biāo)解碼路徑對(duì)聲學(xué)表示解碼得到的目標(biāo)文本數(shù)據(jù)，并將目標(biāo)文本數(shù)據(jù)確定為待識(shí)別語音數(shù)據(jù)的識(shí)別結(jié)果。

可選地，在由多個(gè)語言模型對(duì)應(yīng)的子圖鏈接而成的搜索圖中，搜索得到聲學(xué)表示對(duì)應(yīng)的多條解碼路徑之前，該方法還包括：確定在業(yè)務(wù)場(chǎng)景下進(jìn)行語音識(shí)別時(shí)，待使用的多個(gè)語言模型，以及多個(gè)語言模型的關(guān)聯(lián)關(guān)系，其中，關(guān)聯(lián)關(guān)系用于表征多個(gè)語言模型應(yīng)用在語音識(shí)別過程中的前后關(guān)系或并列關(guān)系；構(gòu)建每個(gè)語言模型對(duì)應(yīng)的子圖；根據(jù)關(guān)聯(lián)關(guān)系確定多個(gè)語言模型對(duì)應(yīng)的子圖之間的鏈接關(guān)系；根據(jù)鏈接關(guān)系鏈接多個(gè)語言模型對(duì)應(yīng)的子圖，得到搜索圖。

可選地，待使用的語言模型至少包括以下之一：由業(yè)務(wù)場(chǎng)景的場(chǎng)景類型關(guān)聯(lián)的第一語料訓(xùn)練得到第一語言模型；由業(yè)務(wù)場(chǎng)景所屬的領(lǐng)域類型關(guān)聯(lián)的第二語料訓(xùn)練得到的第二語言模型；由業(yè)務(wù)場(chǎng)景下的話術(shù)語料訓(xùn)練得到的第三語言模型；由業(yè)務(wù)場(chǎng)景關(guān)聯(lián)的對(duì)象的個(gè)性化信息料訓(xùn)練得到的第四語言模型；基礎(chǔ)語言模型。

可選地，構(gòu)建每個(gè)語言模型對(duì)應(yīng)的子圖包括：獲取語言模型的詞表；根據(jù)聲學(xué)模型的發(fā)音詞典確定詞表中的每個(gè)詞對(duì)應(yīng)的聲學(xué)符號(hào)，得到多個(gè)聲學(xué)符號(hào)；建立多個(gè)聲學(xué)符號(hào)對(duì)應(yīng)的聲學(xué)符號(hào)節(jié)點(diǎn)，以及由聲學(xué)符號(hào)序列構(gòu)成的詞對(duì)應(yīng)的詞節(jié)點(diǎn)，其中，相同的聲學(xué)符號(hào)對(duì)應(yīng)同一個(gè)聲學(xué)符號(hào)節(jié)點(diǎn)；根據(jù)多個(gè)聲學(xué)符號(hào)之間的跳轉(zhuǎn)關(guān)系鏈接多個(gè)聲學(xué)符號(hào)節(jié)點(diǎn)，并根據(jù)多個(gè)詞節(jié)點(diǎn)之間的跳轉(zhuǎn)關(guān)系鏈接多個(gè)詞節(jié)點(diǎn)，得到語言模型對(duì)應(yīng)的子圖。

可選地，根據(jù)鏈接關(guān)系鏈接多個(gè)語言模型對(duì)應(yīng)的子圖，得到搜索圖包括：構(gòu)建搜索圖的起始節(jié)點(diǎn)；根據(jù)業(yè)務(wù)場(chǎng)景下的語音識(shí)別路徑，構(gòu)建識(shí)別路徑的至少一組首尾節(jié)點(diǎn)，其中，每組首尾節(jié)點(diǎn)包括句首節(jié)點(diǎn)和句尾節(jié)點(diǎn)；建立起始節(jié)點(diǎn)與每個(gè)句首節(jié)點(diǎn)之間的鏈接，并根據(jù)多個(gè)語言模型對(duì)應(yīng)的子圖之間的鏈接關(guān)系，將多個(gè)子圖鏈接在至少一組首尾節(jié)點(diǎn)之間，得到搜索圖，其中，每組首尾節(jié)點(diǎn)的句首節(jié)點(diǎn)和句尾節(jié)點(diǎn)之間至少鏈接有一個(gè)子圖。