[發明專利]一種語音識別方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202210108497.3
• 申請日: 2022-01-28
• 公開（公告）號: CN114495942A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 鄭曉明;李健;武衛東;陳明
• 申請（專利權）人: 北京捷通華聲科技股份有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/06;G10L25/18
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 蘇培華

本發明是關于一種語音識別的方法、裝置、電子設備及可讀存儲介質，涉及語音識別技術領域，包括：根據預先生成的目標音頻格式自動檢測模型對若干音頻數據的音頻格式進行檢測；在若干所述音頻數據的音頻格式中檢測到所述目標音頻格式的情況下，根據預先生成的頻譜補償模型對音頻格式為所述目標音頻格式的音頻數據進行處理，得到待處理音頻數據；對所述待處理音頻數據利用通用模型進行語音識別。應用于含有語音識別需求的場景中，本發明通過對音頻格式為目標音頻格式的音頻數據進行頻譜補償，進而提高了這些場景下語音識別的整體識別率。

技術領域

本申請涉及語音識別技術領域，尤其涉及一種語音識別方法、裝置、電子設備及可讀存儲介質。

背景技術

語音識別(Automatic Speech Recognition,ASR)是一項研究如何將人類說話的聲音識別轉換為文本的技術，可應用于語音撥號、語音導航、室內設備控制、語音文檔檢索、簡單的聽寫數據錄入等服務中。

然而，在語音識別的過程中，會遇到經過MP3壓縮過的音頻數據，由于MP3對頻譜壓縮太多，若將經過MP3壓縮過的音頻數據直接利用通用模型進行識別，會造成語音識別的整體識別率下降的問題。

發明內容

為克服相關技術中存在的問題，本申請提供一種語音識別方法、裝置、電子設備及可讀存儲介質。

根據本申請實施例的第一方面，提供一種語音識別的方法，所述方法包括：

根據預先生成的目標音頻格式自動檢測模型對若干音頻數據的音頻格式進行檢測；

在若干所述音頻數據的音頻格式中檢測到所述目標音頻格式的情況下，根據預先生成的頻譜補償模型對音頻格式為所述目標音頻格式的音頻數據進行處理，得到待處理音頻數據；

對所述待處理音頻數據利用通用模型進行語音識別。

可選地，在所述根據預先生成的目標音頻格式自動檢測模型對若干音頻數據的音頻格式進行檢測的步驟之前，還包括：

預先生成目標音頻格式自動檢測模型；

預先生成頻譜補償模型。

可選地，所述預先生成目標音頻格式自動檢測模型，包括：

獲取第一訓練樣本，其中，所述第一訓練樣本包括音頻格式為非所述目標音頻格式的音頻數據的頻譜和所述音頻格式為所述目標音頻格式的音頻數據的頻譜；

將所述音頻格式為非所述目標音頻格式的音頻數據的頻譜和所述音頻格式為所述目標音頻格式的音頻數據的頻譜作為輸入，將所述音頻格式為所述目標音頻格式的音頻數據的頻譜作為輸出的目標，對預設的第一初始模型進行訓練，將訓練完成的模型確定為目標音頻格式自動檢測模型。

可選地，所述預先生成頻譜補償模型，包括：

獲取第二訓練樣本，其中，所述第二訓練樣本包括模擬的非壓縮音頻數據的頻譜和所述音頻格式為所述目標音頻格式的音頻數據的頻譜；

將所述音頻格式為所述目標音頻格式的音頻數據的頻譜作為輸入，將所述模擬的非壓縮音頻數據的頻譜作為輸出的目標，對預設的第二初始模型進行訓練，將訓練完成的模型確定為頻譜補償模型。

可選地，所述根據預先生成的頻譜補償模型對音頻格式為所述目標音頻格式的音頻數據進行處理，得到待處理音頻數據，包括：

將所述音頻格式為所述目標音頻格式的音頻數據的頻譜輸入預先生成的所述頻譜補償模型，根據所述頻譜補償模型的輸出得到所述待處理音頻數據。

根據本申請實施例的第二方面，提供一種語音識別的裝置，所述裝置包括：

檢測模塊，用于根據預先生成的目標音頻格式自動檢測模型對若干音頻數據的音頻格式進行檢測；