[发明专利]语音识别方法、装置和控制器

说明书

本申请提供了一种语音识别方法、装置和控制器，该方法通过预先建立对应用户的音节转移概率分布，基于该音节转移概率分布确定当前用户输入的语音信号对应的音节序列的音节转移概率，再基于该确定的音节转移概率和预先构建的语音模型，确定该语音信号对应的候选音节文本，并输出。在本申请中，一方面利用音节转移概率分布指示每个用户的个性化发音特点，在语音识别过程中能够提高识别的准确度。另一方面，因音节转移概率分布所需要的数据量小，能够嵌入各种设备中使用，能够实现在终端侧(例如手机，车机等)实现个性化的语音识别的目的。

技术领域

本申请涉及语音识别技术领域，尤其是，涉及一种语音识别方法、装置和控制器。

背景技术

随着语音识别技术的快速发展，除了对于普通话的识别以外，还衍生出了很基于具体应用场景下和针对方言的个性化语音识别，在智能终端，智能汽车等领域对这种具体场景应用需求也越来越多。

目前，常见的个性化语音识别方式主要包括两种，一种为：利用通用声学模型进行语音识别，在使用过程中不断积累数据并进行人工标注个性化数据，当积累到一定程度后，利用积累的个性化数据重新训练通用声学模型，以便于适配个性化的发音特点。但是，该种方法在个性化数据获取过程中需要人工进行标注，很容易出现失误，另外，一般重新训练通用声学模型的计算量都比较大，每积累到一定程度就需要进行一次重新训练，在终端侧很难实现。另一种为：将本地语音及用户相关数据上传至云端，在云端利用用户的个性化数据有针对性的在多个候选声学模型中选择相匹配的声学模型。该种方法，一方面，需要基于大量的数据对用户个性化数据进行分类，但地域、语速等问题会导致分类不准确的情况出现。另一方面，该种方法在按照分类建立用户的个性化数据对应的候选声学模型，候选声学模型的数量很大，通常都需要在云端实现，很难在终端侧实现。

综上所述，现有技术中的个性化语音识别方法，很难在终端侧实现，且在云端进行识别时也容易出现误差。

发明内容

本申请实施例提供一种语音识别方法、装置和控制器，以实现在终端侧，例如智能手机，智能汽车等，实现个性化语音识别的同时提高识别准确度的目的。

本申请实施例提供如下技术方案：

本申请实施例的第一方面提供了一种语音识别方法，该方法包括：

获取用户输入的语音信号所对应的文本数据，将所述文本数据转换为音节序列，所述文本数据由语音识别引擎转换所述语音信号得到；

基于所述音节序列和对应所述用户的第一音节转移概率分布T，确定所述音节序列对应的音节转移概率，所述音节转移概率包括所述音节序列中每一音节对应真实音节的转移概率；

基于所述音节转移概率和预先构建的语言模型，确定所述音节序列对应的候选音节文本，并输出。

上述方案，通过预先建立对应用户的音节转移概率分布，基于该音节转移概率分布确定当前用户输入的语音信号对应的音节序列的音节转移概率，再基于该确定的音节转移概率和预先构建的语音模型，确定该语音信号对应的候选音节文本，并输出。在本申请中，一方面利用音节转移概率分布指示每个用户的个性化发音特点，在语音识别过程中能够提高识别的准确度。另一方面，因音节转移概率分布所需要的数据量小，能够嵌入各种设备中使用，能够实现在终端侧实现个性化的语音识别的目的。

在一种可能的设计中，所述预先建立的对应所述用户的第一音节转移概率分布T的过程，包括：

获取用户真实语音样本对应的真实音节序列U，以及语音识别引擎识别所述用户真实语音样本得到的识别音节序列V；

基于所述真实音节序列U和所述识别音节序列V，确定识别所述识别音节序列V中每一个音节的条件概率；

计算所述识别音节序列V中每一个音节的条件概率的乘积，得到第一音节转移概率分布T，所述第一音节转移概率分布T为p(V|U)。