[发明专利]一种远场语音识别方法、语音识别模型训练方法和服务器

说明书

本申请提供了一种远场语音识别方法、语音识别模型训练方法和服务器，其中，该远场语音识别方法包括：获取语音数据；确定所述语音数据是否为远场语音数据；在确定所述语音数据为远场语音数据的情况下，通过语音识别模型对所述语音数据进行识别，其中，所述语音识别模型是根据通过语音数据的时间维度信息和频率维度信息，对所述语音数据的语音特征进行频带能量规整后得到的语音特征进行训练后得到的。利用本申请实施例提供的技术方案，因为在对频带能量规整过程中引入了时间维度信息和频率维度信息，从而可以弱化时间和频率对语音识别准确度的影响，基于该语音识别模型进行远程语音识别，可以有效提升识别准确率，从而达到了有效提升语音识别模型的识别准确率的技术效果。

技术领域

本申请属于互联网技术领域，尤其涉及一种远场语音识别方法、语音识别模型训练方法和服务器。

背景技术

远场语音识别是语音交互领域的重要技术，通过远场语音识别技术可以识别出远距离的声音(例如，可以识别到1m到5m内的语音)。远场语音识别主要应用在智能家居领域，例如，可以应用在智能音箱、智能电视等设备中，也可以应用在会议转录等领域中。

然而，由于在真实环境中，一般会存在大量的噪声、多径反射和混响等干扰问题，从而导致拾取的声音信号的质量下降。对于远场语音识别而言，导致识别准确率下降的主要原因就是由于距离引起的语音能量衰减。

如何有效减少语音能量衰减导致的语音模型识别准确度高的问题，目前尚未提出有效的解决方案。

发明内容

本申请目的在于提供一种远场语音识别方法、语音识别模型训练方法和服务器，以达到提升语音识别模型的识别准确率的目的。

本申请提供一种远场语音识别方法、语音识别模型训练方法和服务器是这样实现的：

一种远场语音识别方法，包括：

获取语音数据；

确定所述语音数据是否为远场语音数据；

在确定所述语音数据为远场语音数据的情况下，通过语音识别模型对所述语音数据进行识别，其中，所述语音识别模型是根据通过语音数据的时间维度信息和频率维度信息，对所述语音数据的语音特征进行频带能量规整后得到的语音特征进行训练后得到的。

一种语音识别模型训练方法，包括：

获取滤波处理后的语音特征，其中，所述语音特征是从语音数据中提取得到的；

通过所语音数据的时间维度信息和频率维度信息，对所述语音特征进行频带能量规整；

根据频带能量规整后得到的语音特征，对语音识别模型进行训练。

一种模型训练服务器，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现如下步骤：

获取滤波处理后的语音特征，其中，所述语音特征是从语音数据中提取得到的；

通过所语音数据的时间维度信息和频率维度信息，对所述语音特征进行频带能量规整；

根据频带能量规整后得到的语音特征，对语音识别模型进行训练。

一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现上述方法的步骤。

本申请提供的远场语音识别方法、语音识别模型训练方法和服务器，通过语音数据的时间维度信息和频率维度信息，对滤波处理后的语音特征进行频带能量规整；并根据频带能量规整后得到的语音特征，对语音识别模型进行训练。因为在对频带能量规整过程中引入了时间维度信息和频率维度信息，从而可以弱化时间和频率对语音识别准确度的影响，基于该语音识别模型进行远程语音识别，可以有效提升识别准确率，从而达到了有效提升语音识别模型的识别准确率的技术效果。