[发明专利]一种语音识别方法及装置、设备、介质

权利要求书

1.一种语音识别方法，其特征在于，包括：

对待识别音频数据进行傅里叶变换，得到语谱图；

利用根据预设的语音识别字典构建并训练的卷积神经网络，对所述语谱图进行处理，输出相应的张量，所述语音识别字典中指定了字词与音素之间的映射关系；

在所述相应的张量中进行搜索，得到相应的文本，作为语音识别结果。

2.如权利要求1所述的方法，其特征在于，所述对待识别音频数据进行傅里叶变换，得到语谱图，包括：

对待识别音频数据进行傅里叶变换；

通过利用对数坐标系，对所述傅里叶变换的结果进行对数坐标转换，生成所述待识别音频数据对应的语谱图。

3.如权利要求1所述的方法，其特征在于，根据预设的语音识别字典构建所述卷积神经网络，包括：

确定预设的语音识别字典包含的音素数量；

根据所述音素数量，设定所述卷积神经网络中至少一层的卷积核数量，并据此构建所述卷积神经网络，所述至少一层包括最后一层。

4.如权利要求1所述的方法，其特征在于，所述在所述相应的张量中进行搜索，包括：

在所述相应的张量中进行贪心搜索和/或集束搜索。

5.如权利要求1所述的方法，其特征在于，所述对待识别音频数据进行傅里叶变换，包括：

对待识别音频数据进行快速傅里叶变换。

6.如权利要求1～5任一项所述的方法，其特征在于，所述卷积神经网络为一维卷积神经网络。

7.一种语音识别装置，其特征在于，包括：

转换模块，对待识别音频数据进行傅里叶变换，得到语谱图；

卷积模块，利用根据预设的语音识别字典构建并训练的卷积神经网络，对所述语谱图进行处理，输出相应的张量，所述语音识别字典中指定了字词与音素之间的映射关系；

搜索模块，在所述相应的张量中进行搜索，得到相应的文本，作为语音识别结果。

8.如权利要求7所述的装置，其特征在于，所述转换模块对待识别音频数据进行傅里叶变换，得到语谱图，包括：

所述转换模块对待识别音频数据进行傅里叶变换；

通过利用对数坐标系，对所述傅里叶变换的结果进行对数坐标转换，生成所述待识别音频数据对应的语谱图。

9.如权利要求7所述的装置，其特征在于，所述装置还包括构建模块；所述构建模块根据预设的语音识别字典构建所述卷积神经网络，包括：

所述构建模块确定预设的语音识别字典包含的音素数量；

根据所述音素数量，设定所述卷积神经网络中至少一层的卷积核数量，并据此构建所述卷积神经网络，所述至少一层包括最后一层。

10.如权利要求7所述的装置，其特征在于，所述搜索模块在所述相应的张量中进行搜索，包括：

所述搜索模块在所述相应的张量中进行贪心搜索和/或集束搜索。

11.如权利要求7所述的装置，其特征在于，所述转换模块对待识别音频数据进行傅里叶变换，包括：

所述转换模块对待识别音频数据进行快速傅里叶变换。

12.如权利要求7～11任一项所述的装置，其特征在于，所述卷积神经网络为一维卷积神经网络。