[發明專利]一種語音識別模型的語料擴充方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202111317109.4
• 申請日: 2021-11-09
• 公開（公告）號: CN113889094A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 呂翔
• 申請（專利權）人: 上海喜馬拉雅科技有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/18;G10L15/26
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 彭星

1.一種語音識別模型的語料擴充方法，其特征在于，所述方法包括：

獲取語音識別模型中的正確文本和錯誤文本；

對所述正確文本進行分詞，得到多個正確詞匯，將所述錯誤文本進行分詞得到多個錯誤詞匯，其中，各正確詞匯與各錯誤詞匯存在對應關系；

針對每個所述錯誤詞匯，確定所述語音識別模型將正確詞匯替換為該錯誤詞匯的第一次數以及該錯誤詞匯在錯誤文本中出現的第二次數；

確定所述錯誤詞匯對應的錯誤文本的成句的第一概率和所述正確詞匯對應的正確文本的成句的第二概率；

基于所述第一概率、所述第二概率、所述第一次數以及所述第二次數，確定正確詞匯替換為錯誤詞匯的概率；

在正確詞匯替換為錯誤詞匯的概率大于預設概率閾值時，將錯誤詞匯添加至語音識別模型的語料中。

2.根據權利要求1所述的方法，其特征在于，所述針對每個所述錯誤詞匯，確定所述語音識別模型將正確詞匯替換為該錯誤詞匯的第一次數的步驟，包括：

確定每個錯誤詞匯對應的正確詞匯，基于編輯距離算法，計算每個錯誤詞匯與對應的正確詞匯之間的編輯距離；

基于編輯距離，確定由所述語音識別模型將正確詞匯替換為錯誤詞匯的第一次數。

3.根據權利要求1所述的方法，其特征在于，所述確定所述錯誤詞匯對應的錯誤文本的成句的第一概率和所述正確詞匯對應的正確文本的成句的第二概率的步驟，包括：

將所述錯誤詞匯對應的錯誤文本輸入至語言模型中，得到所述錯誤詞匯對應的錯誤文本的成句的第一概率；

將所述正確詞匯對應的正確文本輸入至所述語言模型中，得到所述正確詞匯對應的正確文本的成句的第二概率。

4.根據權利要求1所述的方法，其特征在于，通過以下公式，基于所述第一概率、所述第二概率、所述第一次數以及所述第二次數，確定正確詞匯替換為錯誤詞匯的概率：

正確詞匯替換為錯誤詞匯的概率＝p(X|Y)*p(Y)/p(X)；

其中，p(X|Y)為所述第一次數與所述第二次數的比值，p(Y)為第一概率，p(X)為第二概率。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

基于擴充的語料和所述語音識別模型的原始語料的總和，作為目標語料；

基于所述目標語料對所述語音識別模型進行訓練。

6.根據權利要求5所述的方法，其特征在于，所述基于所述目標語料，對所述語音識別模型進行訓練的步驟，包括：

確定所述原始語料的第一權重；

確定所述擴充的語料的第二權重；

基于所述原始語料按照第一權重對所述語音識別模型進行訓練；

基于所述擴充的語料按照所述第二權重對所述語音識別模型進行訓練。

7.一種語音識別模型的語料擴充裝置，其特征在于，所述裝置包括：獲取模塊和處理模塊；

所述獲取模塊，用于獲取語音識別模型中的正確文本和錯誤文本；

所述處理模塊，用于對所述正確文本進行分詞，得到多個正確詞匯，將所述錯誤文本進行分詞得到多個錯誤詞匯，其中，各正確詞匯與各錯誤詞匯存在對應關系；

針對每個所述錯誤詞匯，確定所述語音識別模型將正確詞匯替換為該錯誤詞匯的第一次數以及該錯誤詞匯在錯誤文本中出現的第二次數；

確定所述錯誤詞匯對應的錯誤文本的成句的第一概率和所述正確詞匯對應的正確文本的成句的第二概率；

基于所述第一概率、所述第二概率、所述第一次數以及所述第二次數，確定正確詞匯替換為錯誤詞匯的概率；

在正確詞匯替換為錯誤詞匯的概率大于預設概率閾值時，則將錯誤詞匯添加至語音識別模型的語料中。

8.根據權利要求7所述的裝置，其特征在于，所述處理模塊還用于：

確定每個錯誤詞匯對應的正確詞匯，基于編輯距離算法，計算每個錯誤詞匯與對應的正確詞匯之間的編輯距離；

基于編輯距離，確定由所述語音識別模型將正確詞匯替換為錯誤詞匯的第一次數。