[發明專利]語音處理方法、裝置和電子設備

有效

• 申請號: 202110470941.1
• 申請日: 2021-04-28
• 公開（公告）號: CN114038465B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 董林昊;蔡猛;馬澤君
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26
• 代理公司: 泰和泰律師事務所 51219
• 代理人: 祝海燕

1.一種語音處理方法，其特征在于，包括：

接收待識別的語音塊作為當前語音塊，其中，語音塊包括過去幀、當前幀和將來幀；

基于所述當前語音塊，執行如下語音識別步驟：基于當前語音塊進行語音識別，得到當前幀的語音識別結果和將來幀的語音識別結果；確定是否存在當前語音塊的前一個語音塊，其中，前一個語音塊的當前幀在當前語音塊的當前幀之前且與當前語音塊的當前幀相鄰；若存在，則利用當前語音塊的當前幀的語音識別結果對目標識別結果進行更新，其中，目標識別結果包括前一個語音塊的將來幀的語音識別結果；輸出當前語音塊的將來幀的語音識別結果。

2.根據權利要求1所述的方法，其特征在于，所述語音識別步驟還包括：

確定是否接收到當前語音塊的移位語音塊，其中，移位語音塊為當前語音塊向后移位目標幀數所得到的語音塊，所述目標幀數為將來幀的幀數的整數倍；若接收到當前語音塊的移位語音塊，則基于移位語音塊進行語音識別，得到移位語音塊中目標幀的語音識別結果，其中，移位語音塊的目標幀位于移位語音塊的尾部且幀數等于將來幀的幀數；輸出移位語音塊中目標幀的語音識別結果。

3.根據權利要求2所述的方法，其特征在于，目標識別結果還包括前一個語音塊的移位語音塊中目標幀的語音識別結果。

4.根據權利要求2所述的方法，其特征在于，所述目標幀數與將來幀的幀數的比值的最大值為目標數值，所述目標數值為當前幀的幀數與將來幀的幀數的比值。

5.根據權利要求2所述的方法，其特征在于，所述基于當前語音塊進行語音識別，得到當前幀的語音識別結果和將來幀的語音識別結果，包括：

將當前語音塊輸入預先訓練的語音識別模型，得到當前幀的語音識別結果和將來幀的語音識別結果；以及

所述基于移位語音塊進行語音識別，得到移位語音塊中目標幀的語音識別結果，包括：

將移位語音塊輸入所述語音識別模型中，得到移位語音塊中目標幀的語音識別結果。

6.根據權利要求5所述的方法，其特征在于，所述語音識別模型是基于自注意力網絡訓練得到的。

7.根據權利要求1-6之一所述的方法，其特征在于，所述語音識別步驟還包括：

確定是否接收到當前語音塊的后一個語音塊，其中，后一個語音塊的當前幀在當前語音塊的當前幀之后且與當前語音塊的當前幀相鄰；以及

所述方法還包括：

若接收到當前語音塊的后一個語音塊，將后一個語音塊作為當前語音塊，繼續執行所述語音識別步驟。

8.一種語音處理裝置，其特征在于，包括：

接收單元，用于接收待識別的語音塊作為當前語音塊，其中，語音塊包括過去幀、當前幀和將來幀；

識別單元，用于基于所述當前語音塊，執行如下語音識別步驟：基于當前語音塊進行語音識別，得到當前幀的語音識別結果和將來幀的語音識別結果；確定是否存在當前語音塊的前一個語音塊，其中，前一個語音塊的當前幀在當前語音塊的當前幀之前且與當前語音塊的當前幀相鄰；若存在，則利用當前語音塊的當前幀的語音識別結果對目標識別結果進行更新，其中，目標識別結果包括前一個語音塊的將來幀的語音識別結果；輸出當前語音塊的將來幀的語音識別結果。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，其上存儲有一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一所述的方法。