[发明专利]模块化深度学习模型

权利要求书

1.一种用于声学信息的机器理解的自动语音识别(ASR)系统，所述系统包括：

一个或多个处理器，所述一个或多个处理器接收声学信息，所述声学信息包括由与用户相关联的计算设备接收的来自所述用户的语音；

存储声学模型的计算机存储介质，所述声学模型被配置为标识声学信息内的声学单元，

其中所述声学模型(AM)包括模块化深度学习模型，所述模块化深度学习模型包括多个隐藏层，所述多个隐藏层包括多个模块化层，所述多个模块化层包括多个特定于上下文的子模块，其中每个模块化层与不同的上下文相关联，其中个体模块化层中的与活动上下文相关联的仅第一特定于上下文的子模块在ASR期间在第一上下文中处理所述声学信息，其中所述模块化深度学习模型还包括个体模块化层之间的一个或多个公共层；

控制模块，所述控制模块包括存储计算机可用指令的一个或多个计算机存储介质，所述计算机可用指令当由一个或多个处理器执行时操作用于当执行ASR时使用一个或多个外部信号来确定所述声学信息的所述活动上下文；

模型配置组件，所述模型配置组件包括存储计算机可用指令的一个或多个计算机存储介质，所述计算机可用指令操作用于当由一个或多个处理器执行时通过基于由所述控制模块确定的所述活动上下文在ASR期间激活和去激活所述模块化深度学习模型中的不同的特定于上下文的子模块来配置所述声学模型；以及

一个或多个处理器通过使用所述模块化深度学习模型处理所述声学信息的声学特征来确定针对所述声学信息的识别语音，所述识别语音包括词、实体或短语中的一个或多个。

2.根据权利要求1所述的系统，其中所述控制模块激活所述第一特定于上下文的子模块。

3.根据权利要求1所述的系统，其中所述模块化深度学习模型包括门，所述门打开以允许来自先前层的输出被输入到所述第一特定于上下文的子模块。

4.根据权利要求1所述的系统，其中所述第一上下文是由蓝牙麦克风记录的声学信息，并且所述第一特定于上下文的子模块使用在蓝牙麦克风上捕获的声学数据来进行训练。

5.根据权利要求1所述的系统，其中所述第一上下文用于具有在第一范围内的sCluster值的所述声学信息，并且所述第一特定于上下文的子模块使用具有在所述第一范围内的sCluster值的声学数据来进行训练。

6.根据权利要求1所述的系统，其中所述第一上下文用于具有在第一范围内的iCluster值的所述声学信息，并且所述第一特定于上下文的子模块使用具有在所述第一范围内的iCluster值的声学数据来进行训练。

7.根据权利要求1所述的系统，其中所述多个特定于上下文的层中的每个特定于上下文的层被训练为不同的上下文类。

8.根据权利要求1所述的系统，其中配置所述声学模型包括激活所述个体模块化层中的所述第一特定于上下文的子模块。