[發明專利]一種語音信息識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 202111115243.6
• 申請日: 2021-09-23
• 公開（公告）號: CN113555006B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 康健;黃申
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/16;G10L15/26;G06F40/289;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 崔曉嵐;張穎玲

1.一種語音信息識別方法，其特征在于，所述方法包括：

獲取目標語音信息，并且對所述目標語音信息進行特征提取處理，得到待識別語音信息；

根據所述目標語音信息的識別環境，通過語音信息識別模型中的字音編碼器網絡，提取所述待識別語音信息中每一個字符對應的拼音，以及所述待識別語音信息中每一個字符對應的語調；

根據所述待識別語音信息中每一個字符對應的拼音，以及所述待識別語音信息中每一個字符對應的語調，確定所述待識別語音信息中每一個字符級別的單一字符讀音特征向量；

通過所述語音信息識別模型中的字音編碼器網絡，對所述待識別語音信息中每一個字符對應的單一字符讀音特征向量進行組合處理，形成語句級別的讀音特征向量；

基于所述語句級別的讀音特征向量，確定所述待識別語音信息對應的字音特征向量；

通過語音信息識別模型中的聲學子模型對所述字音特征向量進行處理，得到至少一個語音識別結果；

通過語音信息識別模型中的語言子模型對所述語音識別結果進行語義識別處理，得到所述語音識別結果對應的文字通順度；

根據不同語音識別結果所分別對應的文字通順度進行篩選，獲得對所述目標語音信息的識別結果。

2.根據權利要求1所述的方法，其特征在于，所述獲取目標語音信息，并且對所述目標語音信息進行特征提取處理，得到待識別語音信息，包括：

根據所述目標語音信息的識別環境，提取所述目標語音信息所攜帶的語音參數信息，觸發相應的分詞庫；

通過所觸發的所述分詞庫單詞詞典對所述目標語音信息進行分詞處理，提取中文字符文本，形成不同的詞語級特征向量；

對所述不同的詞語級特征向量進行除噪處理，形成與所述目標語音信息相對應的詞語級特征向量集合。

3.根據權利要求2所述的方法，其特征在于，所述對所述不同的詞語級特征向量進行除噪處理，形成與所述目標語音信息相對應的詞語級特征向量集合，包括：

確定與所述目標語音信息的識別環境相匹配的動態噪聲閾值；

根據所述動態噪聲閾值對所述不同的詞語級特征向量進行除噪處理，并觸發與所述動態噪聲閾值相匹配的動態分詞策略；

根據與所述動態噪聲閾值相匹配的動態分詞策略，對所述目標語音信息進行分詞處理，提取所述目標語音信息中的動態詞語級特征向量集合。

4.根據權利要求2所述的方法，其特征在于，所述對所述不同的詞語級特征向量進行除噪處理，形成與所述目標語音信息相對應的詞語級特征向量集合，包括：

確定與所述目標語音信息的識別環境相對應的固定噪聲閾值；

根據所述固定噪聲閾值對所述不同的詞語級特征向量進行除噪處理，并觸發與所述固定噪聲閾值相匹配的固定分詞策略；

根據與所述固定噪聲閾值相匹配的固定分詞策略，對所述目標語音信息進行分詞處理，提取所述目標語音信息中的固定詞語級特征向量集合。

5.根據權利要求1所述的方法，其特征在于，所述通過語音信息識別模型中的語言子模型對所述語音識別結果進行語義識別處理，得到所述語音識別結果對應的文字通順度，包括：

通過語音信息識別模型中的語言子模型的字形編碼器網絡，對所述語音識別結果對應的字符圖像進行單一化提取；

通過所述字形編碼器網絡對經過單一化處理的字符圖像進行降噪處理；

通過所述字形編碼器網絡對經過降噪處理的字符的圖像進行交叉降采樣處理，得到所述字符圖像的降采樣結果，并對所述降采樣結果進行歸一化處理；

對所述字符圖像的降采樣結果進行橫向規范化處理，得到橫向規范化處理結果；

根據所述橫向規范化處理結果，確定與所述語音識別結果對應的字形特征向量；

對所述語音識別結果對應的字形特征向量進行轉換處理，得到所述語音識別結果對應的文字通順度。