[发明专利]表征、选择以及调整用于自动语音识别系统的音频和声学训练数据

权利要求书

1.一种用于确定应用目标域(ATD)的音频和声学特性的系统，该系统包括：

处理器；以及

存储有计算机代码指令的存储器，所述存储器在工作时连接到所述处理器，以便所述计算机代码指令使得所述处理器执行下列步骤：

分析来自于所述ATD的一个或更多个语音数据样本，以确定包括下列项中的一个或更多个的一个或更多个目标音频和声学特性：

(a)编解码器类型；

(b)与所述一个或更多个语音数据样本相关联的比特率；

(c)与所述语音数据样本相关联的采样频率；

(d)与所述语音数据样本相关联的有效带宽；

(e)与所述语音数据样本相关联的噪声级；

(f)与所述语音数据样本相关联的混响级；

(g)与所述语音数据样本相关联的限幅级；

(f)与所述语音数据样本相关联的语速；以及

将所述一个或更多个目标音频和声学特性作为目标数据简档存储在所述存储器中。

2.根据权利要求1所述的系统，其中，当使用来自于所述ATD以外的任何域的OOD语音数据样本来训练或调整自动语音识别时，所述计算机代码指令还使得所述处理器使用所述目标数据简档来提高在来自于所述ATD的所述语音数据样本上操作的所述自动语音识别的准确性。

3.根据权利要求1所述的系统，其中，所述计算机代码指令还使得所述处理器在确定所述一个或更多个目标音频和声学特性之前预处理所述语音数据样本，以执行下列各项中的一个或更多个：(i)选择与所述语音数据样本相关联的目标语言以及(ii)去除不表示可识别的语音的任何语音数据样本。

4.根据权利要求1所述的系统，其中，为了分析来自于所述目标应用的所述一个或更多个语音数据样本以确定与所述语音数据样本相关联的编解码器类型和比特率，所述计算机代码指令还使得所述处理器执行下列步骤：

从所述一个或更多个语音数据样本中提取特征集；

下列步骤中的一者或二者：

利用基于分类与回归树(CART)的特征提取分析来减小所述特征集的特征维度，以生成最终特征集；或者

利用所述最终特征集或先前确定的特征集来训练深度神经网络(DNN)分类器；以及

下列步骤中的一者或二者：

应用所训练的DNN执行所述一个或更多个语音数据样本中的一个或更多个的编解码器类型分类，以生成与所述一个或更多个语音数据样本相关联的编解码器类型；或者

应用所训练的DNN执行所述一个或更多个语音数据样本中的一个或更多个的比特率分类以及与所述一个或更多个语音数据样本相关联的比特率。

5.根据权利要求4所述的系统，其中，所述特征集包括下列各项中的一个或更多个：(i)线性预测编码(LPC)系数、(ii)线谱频率、(iii)梅尔频率倒谱(MFC)系数、(iv)速度特征、(v)加速度特征、(vi)基于希尔伯特变换的特征、(vii)与所述LPC系数、线谱频率、MFC系数、速度特征、加速度特征和基于希尔伯特变换的特征中的一个或更多个相关联的统计数据、以及(xi)相对于平均语音频谱(LTASS)的长期频谱偏差。

6.根据权利要求4所述的系统，其中，所述DNN分类器包括连接在输入层和输出层之间的多个节点，所述节点之间的各个连接按照系数来缩放，所述节点利用非线性激活函数来建模。

7.根据权利要求1所述的系统，其中，所述计算机代码指令还使得所述处理器执行下列步骤：

分析一个或更多个OOD语音数据样本，以确定与所述OOD语音数据样本相关联的OOD数据简档；

将所述目标数据简档与所述OOD数据简档进行比较；以及

基于所述比较，选择所述OOD语音数据样本中的一个或更多个作为与来自于所述ATD的所述语音数据样本相似。