[發(fā)明專利]流式語音識別的處理方法、裝置和計算機設(shè)備有效
| 申請?zhí)枺?/td> | 202111054122.5 | 申請日： | 2021-09-09 |
| 公開（公告）號： | CN113506575B | 公開（公告）日： | 2022-02-08 |
| 發(fā)明（設(shè)計）人： | 李杰;王廣新;楊漢丹 | 申請（專利權(quán)）人： | 深圳市友杰智新科技有限公司 |
| 主分類號： | G10L15/22 | 分類號： | G10L15/22;G10L15/06;G10L19/022 |
| 代理公司： | 深圳市明日今典知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44343 | 代理人： | 王杰輝 |
| 地址： | 518000 廣東省深圳市南山*** | 國省代碼： | 廣東;44 |
| 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 處理 方法 裝置 計算機 設(shè)備 | ||
1.一種流式語音識別的處理方法，其特征在于，包括：
采集初始語音數(shù)據(jù)；
對所述初始語音數(shù)據(jù)進行一次滑窗處理，得到若干個二次語音數(shù)據(jù)；
按照各所述二次語音數(shù)據(jù)的采集時間順序，依次將各所述二次語音數(shù)據(jù)輸入預(yù)先訓(xùn)練的語音識別模型進行處理，得到各所述二次語音數(shù)據(jù)分別對應(yīng)的初始序列矩陣；
每次所述語音識別模型輸出新的初始序列矩陣時，將當前時刻的初始序列矩陣與預(yù)設(shè)數(shù)量個相鄰上一時刻的初始序列矩陣進行拼接，得到二次序列矩陣；
在每次得到新的二次序列矩陣時，對所述二次序列矩陣進行二次滑窗處理，得到最終序列矩陣，其中，所述二次滑窗處理時窗口長度與預(yù)設(shè)命令詞長度對應(yīng)；
調(diào)用識別算法在所述最終序列矩陣上進行搜索，獲得識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的流式語音識別的處理方法，其特征在于，所述對所述初始語音數(shù)據(jù)進行一次滑窗處理，得到若干個二次語音數(shù)據(jù)的步驟，包括：
對所述初始語音數(shù)據(jù)進行語音特征提取，得到特征數(shù)據(jù)幀；
調(diào)取預(yù)設(shè)窗口長度，并基于所述預(yù)設(shè)窗口長度和預(yù)設(shè)比例計算得到步長，所述預(yù)設(shè)比例表征所述步長與所述預(yù)設(shè)窗口長度之間的比值關(guān)系；
根據(jù)所述預(yù)設(shè)窗口長度和所述步長對所述特征數(shù)據(jù)幀進行分割，得到若干個所述二次語音數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的流式語音識別的處理方法，其特征在于，所述每次所述語音識別模型輸出新的初始序列矩陣時，將當前時刻的初始序列矩陣與預(yù)設(shè)數(shù)量個相鄰上一時刻的初始序列矩陣進行拼接，得到二次序列矩陣的步驟，包括：
獲取所述初始序列矩陣中所有blank標簽對應(yīng)的概率值；
調(diào)取概率閾值，并將所初始序列矩陣中所述概率值大于所述概率閾值的blank標簽所對應(yīng)的特征數(shù)據(jù)幀移除，得到精簡后的初始序列矩陣；
將當前時刻精簡后的初始序列矩陣和預(yù)設(shè)數(shù)量個相鄰上一時刻精簡后的初始序列矩陣進行拼接，得到所述二次序列矩陣。
4.根據(jù)權(quán)利要求1所述的流式語音識別的處理方法，其特征在于，所述按照各所述二次語音數(shù)據(jù)的采集時間順序，依次將各所述二次語音數(shù)據(jù)輸入預(yù)先訓(xùn)練的語音識別模型進行處理，得到各所述二次語音數(shù)據(jù)分別對應(yīng)的初始序列矩陣的步驟，包括：
調(diào)取預(yù)先設(shè)置的降采樣倍率；
按照各所述二次語音數(shù)據(jù)的采集時間順序，依次將各所述二次語音數(shù)據(jù)輸入預(yù)先訓(xùn)練的語音識別模型，按照所述降采樣倍率進行數(shù)據(jù)壓縮以及卷積處理，得到各所述二次語音數(shù)據(jù)分別對應(yīng)的初始序列矩陣。
5.根據(jù)權(quán)利要求1所述的流式語音識別的處理方法，其特征在于，所述初始序列矩陣的橫列表征時間，所述每次所述語音識別模型輸出新的初始序列矩陣時，將當前時刻的初始序列矩陣與預(yù)設(shè)數(shù)量個相鄰上一時刻的初始序列矩陣進行拼接，得到二次序列矩陣的步驟，還包括：
在得到至少兩個所述初始序列矩陣，并且每次所述語音識別模型輸出新的初始序列矩陣時，以時間為拼接基準，在初始序列矩陣的橫列方向上將所述相鄰上一時刻的初始序列矩陣的末端與所述當前時刻的初始序列矩陣的首端對齊拼接，得到所述二次序列矩陣。
6.根據(jù)權(quán)利要求2所述的流式語音識別的處理方法，其特征在于，所述預(yù)設(shè)比例為1:1。
7.根據(jù)權(quán)利要求1所述的流式語音識別的處理方法，其特征在于，所述二次滑窗處理的步長小于所述一次滑窗處理的步長。
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)利屬于深圳市友杰智新科技有限公司，未經(jīng)深圳市友杰智新科技有限公司許可，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/202111054122.5/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
