[發(fā)明專利]語種識別方法、裝置、電子設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210142417.6
• 申請日: 2022-02-16
• 公開（公告）號: CN114648976A
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)計）人: 司玉景;張欽;李全忠;何國濤;蒲瑤
• 申請（專利權(quán)）人: 普強時代（珠海橫琴）信息技術(shù)有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/02;G10L15/06;G10L15/16
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 張志輝

1.一種語種識別方法，其特征在于，包括：

獲取多語種音頻數(shù)據(jù)，根據(jù)所述音頻數(shù)據(jù)確定聲學(xué)特征；

創(chuàng)建深度神經(jīng)網(wǎng)絡(luò)，以所述聲學(xué)特征作為輸入，通過訓(xùn)練得到已訓(xùn)練的所述深度神經(jīng)網(wǎng)絡(luò)；

根據(jù)語種識別請求，獲取音頻序列，通過已訓(xùn)練的所述深度神經(jīng)網(wǎng)絡(luò)對所述音頻序列進行推理，確定所述音頻序列中的語種概率；

根據(jù)所述語種概率，確定語種置信度，進而確定所述音頻序列的語種。

2.根據(jù)權(quán)利要求1所述的語種識別方法，其特征在于，所述獲取多語種音頻數(shù)據(jù)，根據(jù)所述音頻數(shù)據(jù)確定聲學(xué)特征，包括：

采集不同語種的所述音頻數(shù)據(jù)，對所述音頻數(shù)據(jù)執(zhí)行預(yù)處理、加窗、FTT變換及梅爾濾波器處理，得到所述聲學(xué)特征。

3.根據(jù)權(quán)利要求2所述的語種識別方法，其特征在于，所述創(chuàng)建深度神經(jīng)網(wǎng)絡(luò)，以所述聲學(xué)特征作為輸入，通過訓(xùn)練得到已訓(xùn)練的所述深度神經(jīng)網(wǎng)絡(luò)，包括：

以所述聲學(xué)特征作為輸入，以已標(biāo)注的語種標(biāo)簽作為訓(xùn)練目標(biāo)，對所述深度神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，所述深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)采用CTC損失函數(shù)，通過所述CTC損失函數(shù)對深度神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，訓(xùn)練得到的所述深度神經(jīng)網(wǎng)絡(luò)用來確定所述聲學(xué)特征的序列概率。

4.根據(jù)權(quán)利要求3所述的語種識別方法，其特征在于，所述方法還包括：

已訓(xùn)練的所述深度神經(jīng)網(wǎng)絡(luò)包括建模單元集，所述建模單元集合用于表征多個聲學(xué)感知建模單元的集合，所述語種標(biāo)簽對應(yīng)所述建模單元集，所述聲學(xué)感知建模單元用于表征語音發(fā)聲的語種、拼音、音節(jié)、音素中的至少一種。

5.根據(jù)權(quán)利要求4所述的語種識別方法，其特征在于，所述根據(jù)語種識別請求，獲取音頻序列，通過已訓(xùn)練的所述深度神經(jīng)網(wǎng)絡(luò)對所述音頻序列進行推理，確定所述音頻序列中的語種概率，包括：

通過已訓(xùn)練的所述深度神經(jīng)網(wǎng)絡(luò)模型對所述音頻序列進行推理，得到后驗概率，對所述后驗概率進行基于前綴樹的束搜索算法的解碼處理，確定每個語種聲學(xué)感知建模單元的數(shù)量。

6.根據(jù)權(quán)利要求5所述的語種識別方法，其特征在于，所述方法包括：

以所述感知建模單元數(shù)量的最大值作為所述音頻序列的分類識別結(jié)果。

7.一種語種識別裝置，其特征在于，包括：

聲學(xué)特征模塊，用于獲取多語種音頻數(shù)據(jù)，根據(jù)音頻數(shù)據(jù)提取對應(yīng)的聲學(xué)特征；

訓(xùn)練模塊，用于創(chuàng)建深度神經(jīng)網(wǎng)絡(luò)，以所述聲學(xué)特征作為輸入，通過訓(xùn)練得到已訓(xùn)練的所述深度神經(jīng)網(wǎng)絡(luò)；

推理模塊，用于根據(jù)語種識別請求，獲取音頻序列，通過已訓(xùn)練的所述深度神經(jīng)網(wǎng)絡(luò)對所述音頻序列進行推理，確定所述音頻序列中的語種概率；

分類模塊，用于根據(jù)語種概率，計算語種置信度，最后確定音頻序列的語種。

8.一種電子設(shè)備，其特征在于，包括處理器以及存儲器；

所述存儲器用于存儲程序；

所述處理器執(zhí)行所述程序?qū)崿F(xiàn)如權(quán)利要求1-6中任一項所述的語種識別方法。

9.一種計算機可讀存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有程序，所述程序被處理器執(zhí)行實現(xiàn)如權(quán)利要求1-6中任一項所述的語種識別方法。