[发明专利]语音识别方法、装置及终端设备

说明书

本发明适用于语音识别技术领域，提供了语音识别方法、装置及终端设备，所述方法包括：根据预训练的语言模型计算句子的第一条件概率；根据所述第一条件概率对语音识别模型的第一损失函数进行调整，得到第二损失函数；利用所述第二损失函数对所述语音识别模型进行训练，并使用已训练的语音识别模型进行语音识别。本发明可提高语音识别的精确度。

技术领域

本发明属于语音识别技术领域，尤其涉及语音识别方法、装置及终端设备。

背景技术

语音识别技术的目的是将输入的语音信号经过识别，输出计算机能够读取的文字，可应用于智能家居、智能车载、智能客服机器人等。随着深度学习技术的发展，语音识别技术由传统的机器学习混合高斯和隐马尔科夫模型(Gaussian Mixture Model-HiddenMarkov Model，GMM-HMM)变化为基于深度神经网络(Deep Neural Networks，DNN)的技术。而基于DNN的语音识别技术又分为两种：一种是利用DNN取代原来的GMM部分，即深度神经网络和隐马尔科夫模型(Deep Neural Networks-Hidden Markov Model，DNN-HMM)，另一种则是基于深度神经网络的端到端语音识别技术。

由于基于深度神经网络的端到端语音识别技术(End-To-End Automatic SpeechRecognition)可直接实现语音的输入和解码识别，不需要复杂的对齐工作和发音词典制作工作，可以节约大量的前期准备时间，因此得到了较为广泛的应用。目前，现有的端到端语音识别技术(如连时序分类CTC、深度全前馈连接神经网络DFSMN和注意力机制序列到序列网络Seq2seq-Attention等)无法学习到复杂的语言模型，其往往是通过声音波形来识别输入的语音，导致识别出来的文字逻辑性较差。因此在采用训练好的语音识别模型进行语音识别时，如果遇上较为复杂的语音，识别的精度会较低。

发明内容

有鉴于此，本发明实施例提供了语音识别方法、装置及终端设备，以解决现有技术中训练好的语音识别模型在遇上复杂的语音时识别精度低的问题。

本发明实施例的第一方面提供了一种语音识别方法，包括：

根据预训练的语言模型计算句子的第一条件概率；

根据所述第一条件概率对语音识别模型的第一损失函数进行调整，得到第二损失函数；

利用所述第二损失函数对所述语音识别模型进行训练，并使用已训练的语音识别模型进行语音识别。

本发明实施例的第二方面提供了一种语音识别装置，包括：

第一条件概率计算模块，用于根据预训练的语言模型计算句子的第一条件概率；

调整模块，用于根据所述第一条件概率对语音识别模型的第一损失函数进行调整，得到第二损失函数；

语音识别模块，用于利用所述第二损失函数对所述语音识别模型进行训练，并使用已训练的语音识别模型进行语音识别。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述方法的步骤。

本发明实施例中，利用预训练的语言模型计算句子的第一条件概率，对语音识别模型原有的第一损失函数进行修正，得到第二损失函数，再进一步利用所述第二损失函数对语音识别模型进行训练，实现对语音识别模型的损失函数的优化，并引入了预训练的语言模型的特征；由于采用了预训练的语言模型的第一条件概率对第一损失函数进行优化，将预训练的语言模型嵌入到语音识别模型中，使得训练完成后的语音识别模型的识别精度更高。