[發(fā)明專利]語音識別方法、裝置、設(shè)備和介質(zhì)

有效

• 申請?zhí)枺?/td>: 202211064891.8
• 申請日: 2022-09-01
• 公開（公告）號: CN115132209B
• 公開（公告）日: 2022-11-08
• 發(fā)明（設(shè)計）人: 邵俊堯;蔣正翔;錢勝;付曉寅;王海峰;賈磊
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/06;G06F40/216;G06K9/62;G06N7/00;G06N3/04;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 呂朝蕙

本公開提供了一種語音識別方法、裝置、設(shè)備和介質(zhì)，涉及人工智能領(lǐng)域，具體涉及語音識別、自然語言處理和深度學習等技術(shù)領(lǐng)域。方法的具體實現(xiàn)方案為：采用聲學模型對待識別語音數(shù)據(jù)和已識別得到的第一文本片段進行處理，得到多個備選文本片段各自的聲學概率；采用第一語言子模型對第一文本片段進行處理，得到多個備選文本片段各自的初始語言概率；采用約束子模型對第一文本片段進行處理，得到多個備選文本片段各自針對第一文本片段的可擴展關(guān)系；根據(jù)可擴展關(guān)系，對備選文本片段的初始語言概率進行調(diào)整，得到多個備選文本片段各自的第一語言概率；以及根據(jù)第一語言概率和聲學概率，確定多個備選文本片段中的目標文本片段。

技術(shù)領(lǐng)域

本公開涉及人工智能領(lǐng)域，具體涉及語音識別、自然語言處理和深度學習等技術(shù)領(lǐng)域，尤其涉及一種語音識別方法、裝置、設(shè)備和介質(zhì)。

背景技術(shù)

隨著計算機技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，深度學習技術(shù)在眾多領(lǐng)域得到了廣泛應用。例如，可以采用基于深度學習技術(shù)構(gòu)建的聲學模型來識別語音，以將采集到的語音轉(zhuǎn)化成文本。

發(fā)明內(nèi)容

本公開旨在提供一種提高語音識別精度，使得識別結(jié)果與識別任務(wù)相符的語音識別方法、裝置、設(shè)備和介質(zhì)。

根據(jù)本公開的一個方面，提供了一種語音識別方法，包括：采用聲學模型對待識別語音數(shù)據(jù)和已識別得到的第一文本片段進行處理，得到多個備選文本片段各自的聲學概率；采用語言模型中的第一語言子模型對第一文本片段進行處理，得到多個備選文本片段各自的初始語言概率；采用語言模型中的約束子模型對第一文本片段進行處理，得到多個備選文本片段各自針對第一文本片段的可擴展關(guān)系；以及根據(jù)可擴展關(guān)系，對備選文本片段的初始語言概率進行調(diào)整，得到多個備選文本片段各自的第一語言概率；以及根據(jù)第一語言概率和聲學概率，確定多個備選文本片段中的目標文本片段，以得到針對待識別語音數(shù)據(jù)的文本序列。其中，約束子模型是基于預定文本集中的文本訓練得到的。

根據(jù)本公開的另一個方面，提供了一種語音識別裝置，包括：聲學概率獲得模塊，用于采用聲學模型對待識別語音數(shù)據(jù)和已識別得到的第一文本片段進行處理，得到多個備選文本片段各自的聲學概率；初始概率獲得模塊，用于采用語言模型中的第一語言子模型對第一文本片段進行處理，得到多個備選文本片段各自的初始語言概率；擴展關(guān)系獲得模塊，用于采用語言模型中的約束子模型對第一文本片段進行處理，得到多個備選文本片段各自針對第一文本片段的可擴展關(guān)系；概率調(diào)整模塊，用于根據(jù)可擴展關(guān)系，對備選文本片段的初始語言概率進行調(diào)整，得到多個備選文本片段各自的第一語言概率；以及文本確定模塊，用于根據(jù)第一語言概率和聲學概率，確定多個備選文本片段中的目標文本片段，以得到針對待識別語音數(shù)據(jù)的文本序列，其中，約束子模型是基于預定文本集中的文本訓練得到的。

根據(jù)本公開的另一個方面，提供了一種電子設(shè)備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執(zhí)行的指令，指令被至少一個處理器執(zhí)行，以使至少一個處理器能夠執(zhí)行本公開提供的語音識別方法。

根據(jù)本公開的另一個方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質(zhì)，其中，計算機指令用于使計算機執(zhí)行本公開提供的語音識別方法。

根據(jù)本公開的另一個方面，提供了一種計算機程序產(chǎn)品，包括計算機程序/指令，所述計算機程序/指令在被處理器執(zhí)行時實現(xiàn)本公開提供的語音識別方法。

應當理解，本部分所描述的內(nèi)容并非旨在標識本公開的實施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構(gòu)成對本公開的限定。其中：

圖1是根據(jù)本公開實施例的語音識別方法和裝置的應用場景示意圖；

圖2是根據(jù)本公開實施例的語音識別方法的流程示意圖；