[发明专利]一种语音识别方法、设备及计算机可读存储介质

说明书

本发明实施例公开了一种语音识别方法、设备及计算机可读存储介质，其中方法包括：获取待检测的第一数字语音信号，所述第一数字语音信号是由数字密码组成的，所述数字密码由多个数字组成；对所述第一数字语音信号进行预设分割处理，得到多个第二数字语音信号；根据预设的信号处理方法对每个第二数字语音信号进行处理，确定出与每个第二数字语音信号对应的对数梅尔功率频谱，并从所述对数梅尔功率频谱中提取每个第二数字语音信号的目标特征信息；对每个第二数字语音信号的目标特征信息进行识别，得到与每个第二数字语音信号对应的目标数字；根据所述目标数字确定与所述第一数字语音信号对应的目标数字密码，以提高语音识别的性能和有效性。

技术领域

本发明涉及语音识别技术领域，尤其涉及一种语音识别方法、设备及计算机可读存储介质。

背景技术

基于矢量(Identity-Vector，I-vector)的说话人识别系统是解决文本无关型说话人识别问题的经典方法，然而近年来这个领域越来越受到深度学习的关注。解决声学问题的深度学习方法技术可以分为两类：(1)用深度神经网络(Deep Neural Network，DNN)接在隐马尔可夫模型(Hidden Markov Model，HMM)后面去训练Baum-Welch的统计参数；(2)结合瓶颈特征和梅尔频率倒谱系数(Mel Frequency Cepstral Coefficent，MFCC)特征的训练方法。由于文本相关型问题主要建立在文本无关型问题的基础上，所以DNN也可以用来解决文本相关型说话人识别问题。然而采用DNN来提取特征去做直接说话人区分性能较差，因此，如何提高说话人识别系统的性能和有效性成为研究的重点。

发明内容

本发明实施例提供了一种语音识别方法、设备及计算机可读存储介质，可提高语音识别系统的性能和有效性。

第一方面，本发明实施例提供了一种语音识别方法，该方法包括：

获取待检测的第一数字语音信号，其中，所述第一数字语音信号是由数字密码组成的，所述数字密码由多个数字组成；

对所述第一数字语音信号进行预设分割处理，得到多个第二数字语音信号，其中，每个第二数字语音信号均由一个数字确定；

根据预设的信号处理方法对每个所述第二数字语音信号进行处理，确定出与每个所述第二数字语音信号对应的对数梅尔功率频谱，并从所述对数梅尔功率频谱中提取每个所述第二数字语音信号的目标特征信息；

基于神经网络模型对每个所述第二数字语音信号的目标特征信息进行识别，得到与每个所述第二数字语音信号对应的目标数字；

根据每个所述第二数字语音信号对应的目标数字，确定与所述第一数字语音信号对应的目标数字密码。

进一步地，所述获取待检测的第一数字语音信号之前，还包括：

获取训练样本集，所述训练样本集中包括样本数字语音信号的目标特征信息，其中，每个样本数字语音信号均是由一个数字确定的；

根据预设的神经网络算法生成初始神经网络模型；

基于所述训练样本集中的各样本数字语音信号的目标特征信息对所述初始神经网络模型进行训练优化，得到所述神经网络模型。

进一步地，所述基于神经网络模型对每个所述第二数字语音信号的目标特征信息进行识别，得到与每个所述第二数字语音信号对应的目标数字，包括：

计算所述第二数字语音信号的目标特征信息与所述训练样本集中各样本数字语音信号的目标特征信息的相似度；

获取所述相似度大于预设相似度阈值的至少一个样本数字语音信号的目标特征信息；

从所述至少一个样本数字语音信号的目标特征信息中确定出所述相似度最大的目标样本数字语音信号的目标特征信息；