[發(fā)明專利]一種語音識別方法、裝置、設(shè)備及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202010418728.1 | 申請日： | 2020-05-18 |
| 公開（公告）號： | CN111583909A | 公開（公告）日： | 2020-08-25 |
| 發(fā)明（設(shè)計）人： | 熊世富;劉聰;魏思;劉慶峰;高建清;潘嘉 | 申請（專利權(quán)）人： | 科大訊飛股份有限公司 |
| 主分類號： | G10L15/02 | 分類號： | G10L15/02;G10L15/06;G10L15/22;G10L15/26;G10L25/03 |
| 代理公司： | 北京集佳知識產(chǎn)權(quán)代理有限公司 11227 | 代理人： | 楊華 |
| 地址： | 230088 安徽*** | 國省代碼： | 安徽;34 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 語音 識別 方法 裝置 設(shè)備 存儲 介質(zhì) | ||
1.一種語音識別方法，其特征在于，包括：
獲取待識別語音以及配置的熱詞庫；
基于所述待識別語音及所述熱詞庫，確定當(dāng)前解碼時刻所需的音頻相關(guān)特征；
基于所述音頻相關(guān)特征，從所述熱詞庫中確定當(dāng)前解碼時刻所需的熱詞相關(guān)特征；
基于所述音頻相關(guān)特征和所述熱詞相關(guān)特征，確定所述待識別語音在當(dāng)前解碼時刻的識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述待識別語音及所述熱詞庫，確定當(dāng)前解碼時刻所需的音頻相關(guān)特征，包括：
獲取當(dāng)前解碼時刻之前的已解碼結(jié)果信息；
基于所述已解碼結(jié)果信息及所熱詞庫，從所述待識別語音中確定當(dāng)前解碼時刻所需的音頻相關(guān)特征。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述待識別語音及所述熱詞庫，確定當(dāng)前解碼時刻所需的音頻相關(guān)特征；基于所述音頻相關(guān)特征，從所述熱詞庫中確定當(dāng)前解碼時刻所需的熱詞相關(guān)特征；基于所述音頻相關(guān)特征和所述熱詞相關(guān)特征，確定所述待識別語音在當(dāng)前解碼時刻的識別結(jié)果的過程，包括：
利用預(yù)先訓(xùn)練的語音識別模型處理所述待識別語音及所述熱詞庫，得到語音識別模型輸出的待識別語音的識別結(jié)果，其中：
所述語音識別模型具備接收并處理待識別語音及熱詞庫，以輸出待識別語音的識別結(jié)果的能力。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述語音識別模型包括音頻編碼器模塊、熱詞編碼器模塊、聯(lián)合注意力模塊、解碼器模塊及分類器模塊；
所述音頻編碼器模塊對所述待識別語音進行編碼，得到音頻編碼結(jié)果；
所述熱詞編碼器模塊對所述熱詞庫中各熱詞進行編碼，得到熱詞編碼結(jié)果；
所述聯(lián)合注意力模塊接收并處理所述音頻編碼結(jié)果和所述熱詞編碼結(jié)果，得到當(dāng)前解碼時刻所需的拼接特征，所述拼接特征包括音頻相關(guān)特征和熱詞相關(guān)特征；
所述解碼器模塊接收并處理所述當(dāng)前解碼時刻所需的拼接特征，得到解碼器模塊當(dāng)前解碼時刻的輸出特征；
所述分類器模塊利用解碼器模塊當(dāng)前解碼時刻的輸出特征，確定待識別語音在當(dāng)前解碼時刻的識別結(jié)果。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述聯(lián)合注意力模塊包括：
第一注意力模型和第二注意力模型；
所述第一注意力模型基于解碼器模塊在當(dāng)前解碼時刻輸出的表示已解碼結(jié)果信息的狀態(tài)向量，以及所述熱詞編碼結(jié)果，從所述音頻編碼結(jié)果中確定當(dāng)前解碼時刻所需的音頻相關(guān)特征；
所述第二注意力模型基于所述音頻相關(guān)特征，從所述熱詞編碼結(jié)果中確定當(dāng)前解碼時刻所需的熱詞相關(guān)特征；
由所述音頻相關(guān)特征和所述熱詞相關(guān)特征組合成當(dāng)前解碼時刻所需的拼接特征。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述第一注意力模型基于解碼器模塊在當(dāng)前解碼時刻輸出的表示已解碼結(jié)果信息的狀態(tài)向量，以及所述熱詞編碼結(jié)果，從所述音頻編碼結(jié)果中確定當(dāng)前解碼時刻所需的音頻相關(guān)特征，包括：
將所述狀態(tài)向量、所述熱詞編碼結(jié)果作為第一注意力模型的輸入，由所述第一注意力模型從所述音頻編碼結(jié)果中確定當(dāng)前解碼時刻所需的音頻相關(guān)特征。
7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述第二注意力模型基于所述音頻相關(guān)特征，從所述熱詞編碼結(jié)果中確定當(dāng)前解碼時刻所需的熱詞相關(guān)特征，包括：
將所述音頻相關(guān)特征作為第二注意力模型的輸入，由所述第二注意力模型從所述熱詞編碼結(jié)果中確定當(dāng)前解碼時刻所需的熱詞相關(guān)特征。
8.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述分類器模塊的分類節(jié)點包括固定的常用字符節(jié)點和可動態(tài)擴展的熱詞節(jié)點；
分類器模塊利用解碼器模塊當(dāng)前解碼時刻的輸出特征，確定待識別語音在當(dāng)前解碼時刻的識別結(jié)果，包括：
分類器模塊利用解碼器模塊在當(dāng)前解碼時刻的輸出特征，確定各所述常用字符節(jié)點的概率得分和各所述熱詞節(jié)點的概率得分；
根據(jù)各所述常用字符節(jié)點的概率得分和各所述熱詞節(jié)點的概率得分，確定待識別語音在當(dāng)前解碼時刻的識別結(jié)果。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于科大訊飛股份有限公司，未經(jīng)科大訊飛股份有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010418728.1/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
