[發(fā)明專利]使用一個或更多個神經(jīng)網(wǎng)絡(luò)的語音檢測結(jié)束

在審

• 申請?zhí)枺?/td>: 202110533407.0
• 申請日: 2021-05-17
• 公開（公告）號: CN113689887A
• 公開（公告）日: 2021-11-23
• 發(fā)明（設(shè)計）人: U·維迪雅;S·巴塔查里亞;V·卡蘭迪卡;N·沃迪卡
• 申請（專利權(quán)）人: 輝達公司
• 主分類號: G10L25/78
• 分類號: G10L25/78;G10L15/26;G10L15/22;G10L15/05;G06N5/04;G06N3/08;G06N3/04
• 代理公司: 北京市磐華律師事務(wù)所 11336
• 代理人: 趙楠

1.一種處理器，包括：

一個或更多個電路，至少部分地基于預(yù)測在一個或更多個語音段中的一個或更多個字符，來指示所述一個或更多個語音段的結(jié)束。

2.根據(jù)權(quán)利要求1所述的處理器，其中所述一個或更多個電路基于從包含所述一個或更多個語音段的一個或更多個音頻信號中提取的特征，進一步將連接主義時間分類(CTC)函數(shù)與一個或更多個神經(jīng)網(wǎng)絡(luò)一起使用，以針對每個所述一個或更多個字符生成概率。

3.根據(jù)權(quán)利要求2所述的處理器，其中所述一個或更多個電路進一步使用貪婪解碼器來分析每個所述一個或更多個字符的所述概率，以針對各個時間步長生成一串字符。

4.根據(jù)權(quán)利要求3所述的處理器，其中所述一個或更多個電路進一步使用指定長度的滑動窗口來分析所述字符串，其中所述一個或更多個語音段的所述結(jié)束響應(yīng)于所述滑動窗口內(nèi)包含的空白字符的百分比而確定，所述滑動窗口被確定為滿足語音結(jié)束閾值。

5.根據(jù)權(quán)利要求4所述的處理器，其中每個所述一個或更多個字符中的所述概率被解碼直到所述一個或更多個語音段的所述結(jié)束，以便生成所述一個或更多個語音段的一個或更多個文本轉(zhuǎn)錄本。

6.根據(jù)權(quán)利要求1所述的處理器，其中所述一個或更多個語音段的轉(zhuǎn)錄本將作為一個或更多個語音可控設(shè)備的輸入而被提供。

7.一種系統(tǒng)，包括：

一個或更多個處理器，至少部分地基于預(yù)測在一個或更多個語音段中的一個或更多個字符，來指示所述一個或更多個語音段的結(jié)束。

8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其中所述一個或更多個處理器基于從包含所述一個或更多個語音段的一個或更多個音頻信號中提取的特征，進一步將連接主義時間分類(CTC)函數(shù)與一個或更多個神經(jīng)網(wǎng)絡(luò)一起使用，以針對每個所述一個或更多個字符生成概率。

9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中所述一個或更多個處理器進一步使用貪婪解碼器來分析每個所述一個或更多個字符的所述概率，以針對各個時間步長生成一串字符。

10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其中所述一個或更多個處理器進一步使用指定長度的滑動窗口來分析所述字符串，其中所述一個或更多個語音段的所述結(jié)束響應(yīng)于所述滑動窗口內(nèi)包含的空白字符的百分比而確定，所述滑動窗口被確定為滿足語音結(jié)束閾值。

11.根據(jù)權(quán)利要求10所述的系統(tǒng)，其中每個所述一個或更多個字符中的所述概率被解碼直到所述一個或更多個語音段的所述結(jié)束，以便生成所述一個或更多個語音段的一個或更多個文本轉(zhuǎn)錄本。

12.根據(jù)權(quán)利要求7所述的系統(tǒng)，其中所述一個或更多個語音段的轉(zhuǎn)錄本將作為一個或更多個語音可控設(shè)備的輸入而被提供。

13.一種方法，包括：

至少部分地基于預(yù)測在一個或更多個語音段內(nèi)的一個或更多個字符，來指示所述一個或更多個語音段的結(jié)束。

14.根據(jù)權(quán)利要求13所述的方法，進一步包括：

基于從包含所述一個或更多個語音段的一個或更多個音頻信號中提取的特征，將連接主義時間分類(CTC)函數(shù)與一個或更多個神經(jīng)網(wǎng)絡(luò)一起使用，以針對每個所述一個或更多個字符生成概率。

15.根據(jù)權(quán)利要求14所述的方法，還包括：

使用貪婪解碼器來分析每個所述一個或更多個字符的所述概率，以針對各個時間步長生成一串字符。