[發明專利]模型訓練方法、語音識別方法、裝置、服務器及存儲介質

有效

• 申請號: 202110484676.2
• 申請日: 2021-04-30
• 公開（公告）號: CN113257235B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 王璐;魏韜;馬駿;王少軍
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/02;G10L15/16
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 張傳義

本申請涉及人工智能中的模型構建，提供一種模型訓練方法、語音識別方法、裝置、服務器及存儲介質，該方法包括：對語音數據進行第一信號處理得到第一語音數據，對語音數據進行第二信號處理得到第二語音數據；將第一語音數據和第二語音數據輸入特征提取模型，以提取第一語音數據的第一特征向量，以及第二語音數據的第二特征向量；根據第一特征向量和第二特征向量，計算第一語音數據與第二語音數據之間的互信息；根據第一語音數據與第二語音數據之間的互信息，更新特征提取模型的模型參數，直至特征提取模型收斂；將收斂后的特征提取模型和訓練好的語音識別模型進行融合并微調，以獲取目標語音識別模型。本申請可提高語音識別模型的魯棒性。

技術領域

本申請涉及模型構建的技術領域，尤其涉及一種模型訓練方法、語音識別方法、裝置、服務器及存儲介質。

背景技術

隨著新媒體行業的不斷發展，語音數據的信道逐漸多樣化，存在不同的帶寬和編碼格式，比如語音數據為8k或者16k采樣率的錄音數據，或者為ulaw，Alaw，amr等編碼格式。一些情況下，在語音數據的傳輸過程中，還會對語音數據進行壓縮等處理。這些都給語音識別帶來了困難和挑戰。

目前的語音識別模型只能識別單一信道的語音數據，對于存在不同信道的語音數據的應用場景，需要訓練多個分別與各信道的語音數據相匹配的語音識別模型，語音識別模型的魯棒性較差，且因不同語音識別模型的訓練數據無法共享，導致各個語音識別模型之間準確率相差較大，或者需要更多的訓練數據，存在較大的弊端。

發明內容

本申請的主要目的在于提供一種模型訓練方法、語音識別方法、裝置、服務器及存儲介質，旨在提高語音識別模型的魯棒性和擴展性，從而提高語音識別的靈活性和準確性。

第一方面，本申請提供一種模型訓練方法，應用于服務器，所述服務器存儲有特征提取模型和訓練好的語音識別模型，所述方法包括：

獲取作為訓練樣本的語音數據，并對所述語音數據進行第一信號處理得到第一語音數據，對所述語音數據進行第二信號處理得到第二語音數據；

將所述第一語音數據和第二語音數據輸入所述特征提取模型，以提取所述第一語音數據的第一特征向量，以及所述第二語音數據的第二特征向量；

根據所述第一特征向量和所述第二特征向量，計算所述第一語音數據與第二語音數據之間的互信息；

根據所述第一語音數據與第二語音數據之間的互信息，確定所述特征提取模型是否收斂；

若所述特征提取模型未收斂，則更新所述特征提取模型的模型參數，并通過所述訓練樣本繼續訓練更新模型參數后的所述特征提取模型，直至所述特征提取模型收斂；

將收斂后的所述特征提取模型和訓練好的所述語音識別模型進行融合，得到融合模型；

微調所述融合模型，以獲取目標語音識別模型。

第二方面，本申請還提供一種語音識別方法，包括：

獲取待識別的目標語音數據；

將所述目標語音數據輸入目標語音識別模型，得到所述目標語音數據對應的文本信息；

其中，所述目標語音識別模型是根據如上所述的模型訓練方法進行訓練得到的。

第三方面，本申請還提供一種模型訓練裝置，存儲有特征提取模型和訓練好的語音識別模型，所述模型訓練裝置包括：

獲取模塊，用于獲取作為訓練樣本的語音數據，并對所述語音數據進行第一信號處理得到第一語音數據，對所述語音數據進行第二信號處理得到第二語音數據；

提取模塊，用于將所述第一語音數據和第二語音數據輸入至所述特征提取模型，以提取所述第一語音數據的第一特征向量，以及所述第二語音數據的第二特征向量；