[發明專利]解碼方法和解碼設備

在審

• 申請號: 202210026348.2
• 申請日: 2022-01-11
• 公開（公告）號: CN115116436A
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 樸晉佑;李敏重;李知炫;李鎬式
• 申請（專利權）人: 三星電子株式會社
• 主分類號: G10L15/16
• 分類號: G10L15/16;G10L15/22
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 黃曉燕;張川緒

公開了解碼方法和解碼設備。所述解碼方法包括：接收與當前時間的輸入語音對應的輸入序列；以及在用于語音識別的神經網絡(NN)中，通過對輸入序列進行編碼來生成編碼向量序列，通過比較兩個或更多個先前時間的候選波束，從所述兩個或更多個先前時間的候選波束確定重用詞法單元，以及基于重用詞法單元和編碼向量序列，對重用詞法單元之后的一個或多個詞法單元進行解碼。

本申請要求于2021年3月18日在韓國知識產權局提交的第10-2021-0035353號韓國專利申請的權益，所述韓國專利申請的全部公開出于所有目的通過引用包含于此。

技術領域

下面的描述涉及用于語音識別的神經網絡中的解碼方法和解碼設備。

背景技術

語音識別可表示用于通過用計算裝置分析聲學語音信號(諸如，由人類發出的語音聲音)來識別或理解聲學語音信號的技術。語音識別可包括例如通過使用隱馬爾可夫模型(hidden Markov model，HMM)分析發音來識別語音，隱馬爾可夫模型使用聲學模型對從語音數據提取的頻率特征進行處理，或者在沒有單獨的聲學模型的情況下，使用被構造為人工神經網絡(ANN)的端到端(end-to-end)型模型從語音數據直接地識別文本(諸如，詞或句子)。

發明內容

提供本發明內容以簡化的形式介紹在下面的具體實施方式中進一步描述的構思的選擇。本發明內容不意在確定要求權利的主題的關鍵特征或必要特征，也不意在用于幫助確定要求權利的主題的范圍。

在一個總體方面，一種解碼方法包括：接收與當前時間的輸入語音對應的輸入序列；以及在用于語音識別的神經網絡(NN)中，通過對輸入序列進行編碼來生成編碼向量序列，通過比較兩個或更多個先前時間的候選波束，從所述兩個或更多個先前時間的候選波束確定重用詞法單元，以及基于重用詞法單元和編碼向量序列，對重用詞法單元之后的一個或多個詞法單元進行解碼。

確定重用詞法單元的步驟可包括：基于先前時間n-2的候選波束與先前時間n-1的候選波束之間的比較結果，確定當前時間n的詞法單元的重用時間，當前時間n是先前時間n-2之后的先前時間n-1之后的當前時間，其中，n是大于或等于“3”的自然數；以及將直到所述重用時間累積的候選波束確定為重用詞法單元。

確定所述重用時間的步驟可包括：將在先前時間n-2的候選波束和先前時間n-1的候選波束中最大數量的子串匹配的時間確定為當前時間n的詞法單元的重用時間。

所述方法可包括存儲以下項中的任一者或兩者：具有直到所述重用時間的候選波束的概率之中的最高概率的候選波束；以及與具有最高概率的候選波束對應的波束狀態。

對所述一個或多個詞法單元進行解碼的步驟可包括：基于在所述兩個或更多個先前時間之中的解碼的先前時間的詞法單元的組合的概率，確定將用于下一時間的解碼的候選波束；以及使用候選波束之中的與詞法單元的重用時間對應的一個或多個候選波束來對所述一個或多個詞法單元進行解碼。

對所述一個或多個詞法單元進行解碼的步驟可包括：將候選波束之中的與詞法單元的重用時間對應的一個或多個候選波束輸入到包括在NN中的自回歸解碼器層；以及對所述一個或多個詞法單元進行解碼。

對所述一個或多個詞法單元進行解碼的步驟可包括：響應于輸入語音未被結束，對所述一個或多個詞法單元解碼預設的次數。

對所述一個或多個詞法單元的進行解碼的步驟可包括：基于重用詞法單元和編碼向量序列來預測重用詞法單元之后的詞法單元候選的概率；以及基于詞法單元候選的概率來確定所述一個或多個詞法單元。

生成編碼向量序列的步驟可包括：通過使用包括在NN中的編碼器層對輸入序列進行編碼來生成編碼向量序列。

所述方法可包括：在NN中，通過將與當前時間的輸入語音對應的輸入序列累積到先前時間的輸入序列來生成累積序列，其中，生成編碼向量序列的步驟可包括通過對累積序列進行編碼來生成編碼向量序列。