[发明专利]语音识别方法、语音识别装置、可读存储介质和电子设备

权利要求书

1.一种语音识别方法，其特征在于，所述方法包括：

将输入序列输入预定的神经网络模型获取多个第一向量，其中，所述输入序列为声学特征向量的序列，所述第一向量为所述神经网络模型的最后一个隐层输出的隐藏特征向量，每个隐藏特征向量对应于一个声学特征向量；

根据所述第一向量和多个投影矩阵获取一个所述声学特征向量对应的多个第二向量；

根据所述多个第二向量获取对应的所述声学特征向量的第三向量；

根据所述第三向量确定所述输入序列对应的概率分布序列；

根据所述概率分布序列确定每个声学特征向量对应的标签，所述标签用于表征音素或字符。

2.根据权利要求1所述的方法，其特征在于，所述第二向量通过如下公式计算：

(l_i,1,…,l_i,n)＝tanh([M₁,…,M_n]^Th_i)

其中，l_i,j为所述第二向量，(l_i,1,…,l_i,n)为所述第二向量的序列，tanh为第一激活函数，M_j为所述投影矩阵，j＝1…n为所述投影矩阵的数量，h_i为所述第一向量，i＝1…t为所述第一向量的数量，所述投影矩阵通过预先训练获得。

3.根据权利要求1所述的方法，其特征在于，所述根据所述多个第二向量获取对应的所述声学特征向量的第三向量包括：

根据所述第一向量和权重矩阵获取对应的多个第四向量；

根据所述多个第四向量和所述多个第二向量获取对应的所述第三向量。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一向量和权重矩阵获取对应的多个第四向量包括：

根据所述第一向量和所述权重矩阵获取第五向量；

根据所述第五向量和第二激活函数获取对应的所述第四向量。

5.根据权利要求4所述的方法，其特征在于，所述第五向量通过如下公式计算：

其中，为所述第五向量，W为所述权重矩阵，h_i为所述第一向量，i＝1…t为所述第一向量的数量，所述权重矩阵通过预先训练获得。

6.根据权利要求4所述的方法，其特征在于，所述第四向量通过如下公式计算：

其中，w_i,j为所述第四向量，和为所述第五向量中的元素，k＝1…n为所述元素的数量。

7.根据权利要求3所述的方法，其特征在于，所述第三向量通过如下公式计算：

其中，l_i为所述第三向量，λ为预定的比例因子，w_i,j为所述第四向量，l_i,j为所述第二向量。

8.一种语音识别装置，其特征在于，所述装置包括：

第一获取单元，用于将输入序列输入预定的神经网络模型获取多个第一向量，其中，所述输入序列为声学特征向量的序列，所述第一向量为所述神经网络模型的最后一个隐层输出的隐藏特征向量，每个隐藏特征向量对应于一个声学特征向量；

第二获取单元，用于根据所述第一向量和多个投影矩阵获取一个所述声学特征向量对应的多个第二向量；

第三获取单元，用于根据所述多个第二向量获取对应的所述声学特征向量的第三向量；

第一确定单元，用于根据所述第三向量确定所述输入序列对应的概率分布序列；

第二确定单元，用于根据所述概率分布序列确定每个声学特征向量对应的标签，所述标签用于表征音素或字符。

9.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。

10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7中任一项所述的方法。