[發(fā)明專利]語音識別的方法、語音識別模型的訓(xùn)練方法、裝置及設(shè)備在審
| 申請?zhí)枺?/td> | 202110468382.0 | 申請日： | 2021-04-28 |
| 公開（公告）號： | CN113160820A | 公開（公告）日： | 2021-07-23 |
| 發(fā)明（設(shè)計）人： | 趙情恩 | 申請（專利權(quán)）人： | 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司 |
| 主分類號： | G10L15/22 | 分類號： | G10L15/22;G10L15/02;G10L15/06;G10L15/16 |
| 代理公司： | 北京市鑄成律師事務(wù)所 11313 | 代理人： | 曹遠(yuǎn);閻敏 |
| 地址： | 100085 北京市*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 語音 識別 方法 模型 訓(xùn)練 裝置 設(shè)備 | ||
1.一種語音識別的方法，包括：
確定待識別語音信息的特征，所述待識別語音信息的特征用于表征所述待識別語音信息中各音素之間的關(guān)系；
利用所述待識別語音信息的特征，確定所述各音素對應(yīng)的候選文字；
利用所述候選文字的特征以及所述待識別語音信息的特征，生成與所述待識別語音信息對應(yīng)的目標(biāo)文本信息，所述候選文字的特征用于表征任一候選文字與該候選文字前向的其他候選文字之間的關(guān)系。
2.根據(jù)權(quán)利要求1所述的方法，其中，所述確定待識別語音信息的特征，包括：
確定所述待識別語音信息的向量表示；
基于所述向量表示，確定所述待識別語音信息在不同維度的屬性特征；
基于所述屬性特征，確定所述待識別語音信息的特征。
3.根據(jù)權(quán)利要求2所述的方法，其中，所述基于所述屬性特征，確定所述待識別語音信息的特征，包括：
將所述向量表示以及所述待識別語音信息在不同維度的屬性特征進(jìn)行融合處理，得到第一融合處理結(jié)果；
確定所述待識別語音信息的各音素之間的位置關(guān)系，利用所述第一融合處理結(jié)果以及所述各音素之間的位置關(guān)系，生成所述各音素之間的位置關(guān)系特征；
將所述第一融合處理結(jié)果，以及所述各音素之間的位置關(guān)系特征進(jìn)行融合處理，得到第二融合處理結(jié)果；
將所述第二融合處理結(jié)果作為所述待識別語音信息的特征。
4.根據(jù)權(quán)利要求1所述的方法，其中，所述利用所述待識別語音信息的特征，確定所述各音素對應(yīng)的候選文字，包括：
對于待識別語音信息中的第i個音素，確定第i-1個音素對應(yīng)的每個候選文字的特征；所述i為正整數(shù)；
從所述待識別語音信息的特征中確定所述第i個音素的特征，利用所述第i個音素的特征，以及所述第i-1個音素對應(yīng)的每個候選文字的特征，確定第i個音素對應(yīng)的至少一個候選文字。
5.根據(jù)權(quán)利要求1所述的方法，其中，所述候選文字的特征的確定方式，包括：
對于任意候選文字，確定該候選文字的向量表示；
對該候選文字的向量表示進(jìn)行處理，得到該候選文字的特征。
6.根據(jù)權(quán)利要求1所述的方法，其中，所述利用所述候選文字的特征以及所述待識別語音信息的特征，生成與所述待識別語音信息對應(yīng)的目標(biāo)文本信息，包括：
將所述候選文字的特征和所述待識別語音信息的特征進(jìn)行拼接，得到拼接結(jié)果；
對所述拼接結(jié)果進(jìn)行線性仿射變換，得到變換結(jié)果；
對所述變換結(jié)果進(jìn)行數(shù)據(jù)篩選，將篩選后的數(shù)據(jù)進(jìn)行全連接計算，得到合并處理結(jié)果；
利用所述合并處理結(jié)果，得到與所述待識別語音信息對應(yīng)的目標(biāo)文本信息。
7.根據(jù)權(quán)利要求1所述的方法，在所述確定待識別語音信息的特征之前，還包括：對所述待識別語音信息進(jìn)行預(yù)處理，以降低噪聲。
8.一種語音識別模型的訓(xùn)練方法，包括：
利用待訓(xùn)練的第一網(wǎng)絡(luò)，分別提取語音信息樣本的特征和文字信息樣本的特征；所述語音信息樣本的特征用于表征所述語音信息樣本中各音素之間的關(guān)系，所述文字信息樣本的特征用于表征所述文字信息樣本中各文字之間的關(guān)系；
利用待訓(xùn)練的第二網(wǎng)絡(luò)，根據(jù)所述語音信息樣本的特征以及所述文字信息樣本的特征，得到預(yù)測文本；
利用所述預(yù)測文本和所述文字信息樣本的差異，對所述第一網(wǎng)絡(luò)的參數(shù)和所述第二網(wǎng)絡(luò)的參數(shù)進(jìn)行聯(lián)動調(diào)整，直至所述預(yù)測文本和所述文字信息樣本的差異在允許范圍內(nèi)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司，未經(jīng)百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110468382.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
