[发明专利]一种语音识别方法及装置在审

专利信息
申请号: 201610741622.9 申请日: 2016-08-26
公开(公告)号: CN107785015A 公开(公告)日: 2018-03-09
发明(设计)人: 黄智颖;薛少飞;鄢志杰 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G10L15/16 分类号: G10L15/16;G10L15/02;G10L15/06;G10L25/30
代理公司: 北京安信方达知识产权代理有限公司11262 代理人: 李红爽,栗若木
地址: 英属开曼群岛大开*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 语音 识别 方法 装置
【权利要求书】:

1.一种语音识别方法,包括:

利用第一神经网络,从待识别的语音数据中提取含有说话人识别特征的矢量;

根据所述含有说话人识别特征的矢量对第二神经网络进行偏置补偿;通过基于所述第二神经网络的声学模型,对所述待识别的语音数据进行语音识别。

2.如权利要求1所述的语音识别方法,其特征在于,所述根据所述含有说话人识别特征的矢量对第二神经网络进行偏置补偿包括:

将所述含有说话人识别特征的矢量乘以权重矩阵,将乘积作为所述第二神经网络的偏置项。

3.如权利要求2所述的语音识别方法,其特征在于:

所述第一神经网络、所述第二神经网络、所述权重矩阵通过训练确定;

所述方法还包括:

分别训练所述第一神经网络、所述第二神经网络;训练完成后,将所述第一神经网络、所述权重矩阵和所述第二神经网络作为一个整体进行训练。

4.如权利要求3所述的语音识别方法,其特征在于,所述将所述第一神经网络、所述权重矩阵和所述第二神经网络作为一个整体进行训练后还包括:

对所述第一神经网络、所述第二神经网络及所述权重矩阵进行初始化;

根据预定的目标准则使用误差反向传播算法更新所述权重矩阵;

根据预定的目标准则使用误差反向传播算法更新所述第二神经网络和连接矩阵。

5.如权利要求1所述的语音识别方法,其特征在于,所述说话人识别特征至少包括:说话人声纹信息。

6.如权利要求1所述的语音识别方法,其特征在于,所述根据所述含有说话人识别特征的矢量对第二神经网络进行偏置补偿包括:

根据所述含有说话人识别特征的矢量,对所述第二神经网络中除了输入层以外的全部或部分层进行偏置补偿;其中,所述含有说话人识别特征的矢量是所述第一神经网络中最后一个隐藏层的输出矢量。

7.如权利要求6所述的语音识别方法,其特征在于,所述根据含有说话人识别特征的矢量,对所述第二神经网络中除了输入层以外的全部或部分层进行偏置补偿包括:

将所述第一神经网络最后一个隐藏层中的神经元节点输出的含有说话人识别特征的矢量,传输给所述第二神经网络中除了输入层以外的全部或部分层所对应的偏置节点。

8.如权利要求1所述的语音识别方法,其特征在于:

所述第一神经网络为递归神经网络。

9.如权利要求1所述的语音识别方法,其特征在于:

所述待识别的语音数据是采集到的原始语音数据,或者是针对采集到的原始语音数据所提取出的语音特征。

10.如权利要求1所述的语音识别方法,其特征在于:

所述说话人识别特征与不同用户一一对应,或者与不同用户的聚类一一对应。

11.一种语音识别方法,包括:

采集语音数据;

将所采集的语音数据输入第一神经网络,提取出含有说话人识别特征的矢量;根据所述含有说话人识别特征的矢量对第二神经网络进行偏置补偿;

将所采集的语音数据输入所述第二神经网络,进行语音识别。

12.如权利要求11所述的语音识别方法,其特征在于,所述根据所述含有说话人识别特征的矢量对第二神经网络进行偏置补偿包括:

将所述含有说话人识别特征的矢量乘以权重矩阵,将乘积作为所述第二神经网络的偏置项。

13.如权利要求11所述的语音识别方法,其特征在于,所述说话人识别特征至少包括:说话人声纹信息。

14.如权利要求11所述的语音识别方法,其特征在于:

所述第一神经网络为递归神经网络。

15.如权利要求11所述的语音识别方法,其特征在于,所述根据含有说话人识别特征的矢量对第二神经网络进行偏置补偿包括:

将所述第一神经网络最后一个隐藏层中的神经元节点输出的含有说话人识别特征的矢量,传输给所述第二神经网络中除了输入层以外的全部或部分层所对应的偏置节点。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610741622.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code