[發明專利]語音識別方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202211021458.6
• 申請日: 2022-08-24
• 公開（公告）號: CN116129883A
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 喬宏利;蔣寧;吳海英;劉敏
• 申請（專利權）人: 馬上消費金融股份有限公司
• 主分類號: G10L15/04
• 分類號: G10L15/04;G10L15/08;G10L15/26;G10L15/02
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 郭曉龍;黃健

本申請提供一種語音識別方法、裝置、計算機設備及存儲介質，應用于語音識別領域，該方法包括：獲取待識別的語音數據，語音數據包括按序的多個音頻時間片段；將語音數據輸入語音識別模型進行語音識別處理，得到語音識別結果，語音識別結果用于表征語音數據中的每個音頻時間片段對應的拼音音節的分類結果；根據拼音音節掩碼表和語音識別結果中每個音頻時間片段對應的拼音音節的分類結果，生成語音數據對應的拼音序列；對拼音序列進行轉譯，生成語音數據對應的文字識別結果。通過該方式，可以提高語音數據的識別和解碼的速度更快，進而提高了語音識別速度。

技術領域

本申請實施例涉及語音識別技術領域，尤其涉及一種語音識別方法、裝置、計算機設備及存儲介質。

背景技術

自動語音識別(Automatic?Speech?Recognition，ASR)，是一種語音數據的處理技術，在語音識別領域得到越來越廣泛的應用。ASR由聲學模型和語言模型組成，聲學模型用于對語音數據進行識別，從而確定語音數據對應的音素序列或字符序列，語言模型用于將音素序列或字符序列轉換為正確的句子。

相關技術中，在聲學模型進行語音識別后，通常需要對識別的結果進行解碼。相比于英文等直接的字母語言，漢字并非由單詞拼接而成，需要在解碼時對應字符碼表進行調整。

然而，由于漢語的句子的組成單位是漢字，現有的前綴束搜索的過程中，通常使用漢字或漢字對應的拼音進行編解碼，由于漢字或漢字對應的拼音的字符碼表過大，從而使得解碼速度較慢。

發明內容

本申請實施例提供一種語音識別方法、裝置、計算機設備及存儲介質，以克服現有技術中語音識別時的解碼速度較慢的技術問題。

第一方面，本申請實施例提供一種語音識別方法，所述方法包括：

獲取待識別的語音數據，所述語音數據包括按序的多個音頻時間片段；

將所述語音數據輸入語音識別模型進行語音識別處理，得到語音識別結果，所述語音識別結果用于表征所述語音數據中的每個音頻時間片段對應的拼音音節的分類結果；

根據拼音音節掩碼表和所述語音識別結果中每個音頻時間片段對應的拼音音節的分類結果，生成所述語音數據對應的拼音序列；

對所述拼音序列進行轉譯，生成所述語音數據對應的文字識別結果。

第二方面，本申請實施例提供一種語音識別裝置，所述裝置包括：

獲取單元，用于獲取待識別的語音數據，所述語音數據包括按序的多個音頻時間片段；

識別單元，用于將所述語音數據輸入語音識別模型進行語音識別處理，得到語音識別結果，所述語音識別結果用于表征所述語音數據中的每個音頻時間片段對應的拼音音節的分類結果；

解碼單元，用于根據拼音音節掩碼表和所述語音識別結果中每個音頻時間片段對應的拼音音節的分類結果，生成所述語音數據對應的拼音序列；

轉譯單元，用于對所述拼音序列進行轉譯，生成所述語音數據對應的文字識別結果。

第三方面，本申請實施例提供一種計算機設備，包括：至少一個處理器和存儲器；

所述存儲器存儲計算機執行指令；

所述至少一個處理器執行所述存儲器存儲的計算機執行指令，使得所述至少一個處理器執行如上第一方面所設計的語音識別方法。

第四方面，本申請實施例提供一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有計算機執行指令，當處理器執行所述計算機執行指令時，實現如上第一方面所設計的語音識別方法。

第五方面，本申請實施例提供一種計算機程序產品，包括計算機指令，該計算機指令被處理器執行時實現如上第一方面所設計的語音識別方法。