[發(fā)明專利]語音識(shí)別方法、裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及計(jì)算機(jī)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110731479.6
• 申請(qǐng)日: 2021-06-30
• 公開（公告）號(hào): CN113823264A
• 公開（公告）日: 2021-12-21
• 發(fā)明（設(shè)計(jì)）人: 孫思寧
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/08
• 代理公司: 深圳翼盛智成知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44300
• 代理人: 李漢亮

1.一種語音識(shí)別方法，其特征在于，所述方法包括：

對(duì)待識(shí)別的語音信息進(jìn)行特征提取，得到多個(gè)特征向量；

計(jì)算每個(gè)特征向量的稀疏度值，所述稀疏度值為每個(gè)特征向量的自注意力得分序列的分布與自注意力得分序列的均勻分布之間的相對(duì)熵；

確定稀疏度值大于預(yù)設(shè)閾值的第一特征向量以及稀疏度值不大于預(yù)設(shè)閾值的第二特征向量；

根據(jù)所述第一特征向量的自注意力計(jì)算結(jié)果與所述第二特征向量確定目標(biāo)矩陣；

將所述目標(biāo)矩陣與標(biāo)簽序列對(duì)應(yīng)的特征矩陣輸入至分類網(wǎng)絡(luò)進(jìn)行分類處理，得到對(duì)所述待識(shí)別的語音信息對(duì)應(yīng)的識(shí)別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算每個(gè)特征向量的稀疏度值，包括：

計(jì)算每個(gè)特征向量的自注意力得分序列；

計(jì)算每個(gè)得分序列的分布與均勻分布之間的相對(duì)熵，得到每個(gè)得分序列對(duì)應(yīng)的特征向量的稀疏度值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算每個(gè)特征向量的稀疏度值，包括：

從所述多個(gè)特征向量中隨機(jī)選取目標(biāo)數(shù)量個(gè)特征向量生成鍵矩陣；

根據(jù)所述目標(biāo)數(shù)量、所述多個(gè)特征向量以及所述鍵矩陣計(jì)算得到每個(gè)特征向量的稀疏度值。

4.根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的方法，其特征在于，所述對(duì)待識(shí)別的語音信息進(jìn)行特征提取，得到多個(gè)特征向量，包括：

將待識(shí)別語音信息劃分為多幀語音信號(hào)；

對(duì)所述每幀語音信號(hào)進(jìn)行離散傅里葉變換，得到每幀語音信號(hào)對(duì)應(yīng)的頻譜信息；

對(duì)所述每幀語音信號(hào)對(duì)應(yīng)的頻譜信息進(jìn)行梅爾倒譜處理，得到待識(shí)別語音信息的多個(gè)特征向量。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將待識(shí)別語音信息劃分為多幀語音信號(hào)之前，還包括：

對(duì)所述待識(shí)別語音信息進(jìn)行降噪處理；

將降噪處理后的語音信息進(jìn)行預(yù)加重處理。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述第一特征向量的自注意力計(jì)算結(jié)果與所述第二特征向量確定目標(biāo)矩陣，包括：

獲取每個(gè)第一特征向量對(duì)應(yīng)的目標(biāo)自注意力得分序列；

根據(jù)所述目標(biāo)自注意力得分序列以及每個(gè)第一特征向量對(duì)應(yīng)的值向量進(jìn)行加權(quán)計(jì)算，得到每個(gè)第一特征向量對(duì)應(yīng)的第三特征向量；

根據(jù)所述第三特征向量與所述第二特征向量確定目標(biāo)矩陣。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述獲取每個(gè)第一特征向量對(duì)應(yīng)的目標(biāo)自注意力得分序列，包括：

計(jì)算所述第一特征向量中每一目標(biāo)特征向量與每一特征向量的點(diǎn)乘結(jié)果；

將所述點(diǎn)乘結(jié)果進(jìn)行歸一化處理，得到每個(gè)第一特征向量對(duì)應(yīng)的目標(biāo)自注意力得分序列。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述目標(biāo)矩陣與標(biāo)簽序列對(duì)應(yīng)的特征矩陣輸入至分類網(wǎng)絡(luò)進(jìn)行分類處理，得到對(duì)所述待識(shí)別的語音信息對(duì)應(yīng)的識(shí)別結(jié)果，包括：

獲取語音識(shí)別結(jié)果文本對(duì)應(yīng)的標(biāo)簽序列；

對(duì)所述標(biāo)簽序列進(jìn)行特征提取，得到所述標(biāo)簽序列對(duì)應(yīng)的標(biāo)簽特征向量；

采用人工神經(jīng)網(wǎng)絡(luò)對(duì)所述標(biāo)簽特征向量進(jìn)行處理，得到標(biāo)簽序列對(duì)應(yīng)的特征矩陣；

采用多層全連接層將所述目標(biāo)矩陣與所述特征矩陣進(jìn)行結(jié)合，并將結(jié)合結(jié)果輸入至分類網(wǎng)絡(luò)進(jìn)行解碼，得到待識(shí)別語音信息對(duì)應(yīng)的識(shí)別結(jié)果。