[发明专利]语音识别中的小数据语音声学建模方法

说明书

本发明属于电子行业信号处理技术领域，旨在解决只具有少量标注数据的目标语种的声学模型判别性能低的问题。为此，本发明提供了一种语音识别中的小数据语音声学建模方法，包括：通过语种对抗判别器对多语种的声学特征进行对抗训练以建立多语种对抗的瓶颈网络模型；将目标语种的声学特征作为多语种对抗的瓶颈网络模型的输入以提取语种无关的瓶颈特征；将语种无关的瓶颈特征与目标语种的声学特征进行融合以获得融合特征；利用融合特征进行训练，以建立目标语种的声学模型。采用该方法有效地克服了现有技术中因瓶颈特征包含语种相关的信息带来的目标语种的识别性能提升不明显，甚至负迁移现象，从而提高目标语种的语音识别精度。

技术领域

本发明涉及电子行业信号处理技术领域，具体涉及一种语音识别中的小数据语音声学建模方法。

背景技术

语音交互是人机交互最为自然的一种方式，而语音识别又是语音交互中最重要的技术。近年来，随着深度学习技术在语音识别中的深入应用，语音识别技术取得了重大突破。

众所周知，深度学习需要大量标注数据，对于普通话或英语来说，这些标注数据很容易获得，然而对于方言来说，很难获取到大量的标注数据，只能采集到少量标注数据。因此，对于建立标注数据量少的目标语种(如方言)的声学模型，采用常规的深度学习方法效果并不理想。

目前，已有学者采用多语种训练技术训练具有大量标注数据的语种的瓶颈网络，再利用该瓶颈网络提取目标语种的瓶颈特征，然后将提取出的瓶颈特征用于辅助目标语种进行声学建模，这样可以从已有资源(如普通话或英语)中迁移知识来辅助目标语种进行建模，此种方法在一定程度上提高了目标语种的识别精度。

但是，该方法目前仍然存在问题。依据上述方法提取出的瓶颈特征往往包含了大量语种相关的信息，这些语种相关的信息对目标语种的识别性能提升不明显，甚至会带来负迁移，导致目标语种的声学模型的精度降低，从而影响目标语种的语音识别精度。

相应地，本领域需要一种新的声学建模方法来解决上述问题。

发明内容

为了解决现有技术中的上述问题，即为了解决现有目标语种的声学模型识别精度低的问题，本发明提供了一种语音识别中的小数据语音声学建模方法，该声学建模方法包括：

通过语种对抗判别器对多语种的声学特征进行对抗训练以建立多语种对抗的瓶颈网络模型；

将目标语种的声学特征作为多语种对抗的瓶颈网络模型的输入以提取语种无关的瓶颈特征；

将语种无关的瓶颈特征与目标语种的声学特征进行融合以获得融合特征；

利用融合特征进行训练，以建立目标语种的声学模型。

在上述声学建模方法的优选技术方案中，在“对多语种的声学特征进行对抗训练以建立多语种对抗的瓶颈网络模型”的步骤之前，该声学建模方法还包括：采集多语种以形成多语种语音数据库；基于该多语种语音数据库提取多语种的声学特征。

在上述声学建模方法的优选技术方案中，训练多语种对抗的瓶颈网络模型的准则为多语种对抗训练，其损失函数表示为L_All，其公式表示为：

L_All(θ^m,θ^a,θ^s)＝L_Mul(θ^m,θ^s)+λL_Adv(θ^a,θ^s)；

损失函数中模型参数的更新过程表示为：