[發明專利]一種中文語音識別方法、系統、存儲介質和電子設備

在審

• 申請號: 202211304048.2
• 申請日: 2022-10-24
• 公開（公告）號: CN115762487A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 李建群
• 申請（專利權）人: 北京數美時代科技有限公司;數美天下（北京）科技有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/28;G10L15/02
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 孟仕杰

1.一種中文語音識別方法，其特征在于，包括：

基于多個中文語音訓練樣本，對添加有一個細粒度損失模塊和兩個中間層損失模塊的原始CTC編碼網絡進行訓練，得到第一中文語音識別模型，并刪除所述第一中文語音識別模型中的所述細粒度損失模塊和所述兩個中間層損失模塊，得到目標中文語音識別模型；其中，所述細粒度損失模塊用于：接收并根據上一個原始編碼層輸出的第一中文語音特征，得到細粒度損失值；任一中間層損失模塊用于：接收并對上一個原始編碼層輸出的第二中文語音特征進行處理，得到第三中文語音特征，并將所述第三中文語音特征與所述第二中文語音特征進行拼接，得到并將拼接中文語音特征輸入至下一個原始編碼層；

將待識別中文語音數據輸入至所述目標中文語音識別模型中，得到中文語音識別結果。

2.根據權利要求1所述的一種中文語音識別方法，其特征在于，所述細粒度損失模塊包括：依次設置的第一歸一化層、第一線性層和第一softmax函數和細粒度損失函數；

所述細粒度損失模塊具體用于：接收所述細粒度損失模塊對應的上一層編碼層輸出的第一中文語音特征，并依次經所述第一歸一化層、所述第一線性層和所述第一softmax函數進行處理，得到并將處理后的第一中文語音特征輸入至所述細粒度損失函數中進行計算，得到所述細粒度損失值。

3.根據權利要求2所述的一種中文語音識別方法，其特征在于，所述兩個中間層損失模塊包括：包含依次設置的第二歸一化層、第二線性層、第二softmax函數、第一新增線性層和拼音級損失函數的拼音級中間層損失模塊，和，包含依次設置的第三歸一化層、第三線性層、第三sotfmax函數、第二新增線性層和字符級損失函數的字符級中間層損失模塊；

所述拼音級中間層損失模塊用于：接收所述拼音級中間層損失模塊對應的上一層原始編碼層輸出的第二中文語音特征，并依次通過所述第二歸一化層、所述第二線性層、所述第二softmax函數對所述拼音級中間層損失模塊的第二中文語音特征進行處理，得到所述拼音級中間層損失模塊的第三中文語音特征，并通過所述第一新增線性層，將所述拼音級中間層損失模塊的第三中文語音特征與所述拼音級中間層損失模塊的第二中文語音特征進行拼接，得到并將所述拼音級中間層損失模塊的拼接中文語音特征輸出至所述拼音級中間層損失模塊對應的下一層原始編碼層；

所述字符級中間層損失模塊用于：接收所述字符級中間層損失模塊對應的上一層原始編碼層輸出的第二中文語音特征，并依次通過所述第三歸一化層、所述第三線性層、所述第三softmax函數對所述字符級中間層損失模塊的第二中文語音特征進行處理，得到所述字符級中間層損失模塊的第三中文語音特征，并通過所述第二新增線性層，將所述字符級中間層損失模塊的第三中文語音特征與所述字符級中間層損失模塊的第二中文語音特征進行拼接，得到并將所述字符級中間層損失模塊的拼接中文語音特征輸出至所述字符級中間層損失模塊對應的下一層原始編碼層；

其中，所述第一歸一化層與所述第二歸一化層的參數相同，所述第一線性層和所述第二線性層的參數相同；所述第三歸一化層與所述原始CTC編碼網絡的原始歸一化層的參數相同，所述第三線性層與所述原始CTC編碼網絡的原始線性層的參數相同。

4.根據權利要求3所述的一種中文語音識別方法，其特征在于，所述拼音級中間層損失模塊還用于：將所述拼音級中間層損失模塊的第三中文語音特征輸入至所述拼音級損失函數進行計算，得到第一拼音級損失值；

所述字符級中間層損失模塊還用于：將所述字符級中間層損失模塊的第三中文語音特征輸入至所述字符級損失函數進行計算，得到第一字符級損失值。