[发明专利]语音音素识别方法和装置、存储介质及电子装置

说明书

本发明公开了一种语音音素识别方法和装置、存储介质及电子装置。其中，该方法包括：从按照时间顺序进行排序的多个语音帧中提取出与多个语音帧一一对应的多个第一语音特征；从多个第一语音特征中确定出多个关键语音特征，每个关键语音特征对应于音素集合中的一个音素的概率大于或者等于目标概率阈值；确定出与每个关键语音特征对应的语音特征集合，每个语音特征集合包括对应的关键语音特征以及多个第一语音特征中与对应的关键语音特征相邻的一个或多个语音特征；分别对每个语音特征集合中的语音特征进行特征融合，得到多个融合语音特征，每个语音特征集合对应一个融合语音特征；在音素集合中分别识别出与每个融合语音特征对应的音素。

技术领域

本发明涉及计算机领域，具体而言，涉及一种语音音素识别方法和装置、存储介质及电子装置。

背景技术

目前，在声学模型建模中，主要应用的端到端建模方法为帧级别特征编码方式，例如，CTC(Connectionist Temporal Classification，连接时序分类)模型。该方式具有一个条件无关假设(即当前输出只与输入特征相关，与历史输出无关)。

然而，由于语音数据之间具有关联性，因此，上述条件无关假设虽然使得建模得到的声学模型虽然具有简洁稳定的优势，但是识别结果准确率低，识别效果差。也就是说，相关技术中的语音音素识别方法存在识别结果准确率低的问题。

发明内容

本发明实施例提供一种语音音素识别方法和装置、存储介质及电子装置，以至少解决相关技术中的语音音素识别方法存在识别结果准确率低的技术问题。

根据本发明实施例的一个方面，提供了一种语音音素识别方法，包括：从按照时间顺序进行排序的多个语音帧中提取出与多个语音帧一一对应的多个第一语音特征；从多个第一语音特征中确定出多个关键语音特征，其中，每个关键语音特征对应于音素集合中的一个音素的概率大于或者等于目标概率阈值；确定出与每个关键语音特征对应的语音特征集合，其中，每个语音特征集合包括对应的关键语音特征以及多个第一语音特征中与对应的关键语音特征相邻的一个或多个语音特征；分别对每个语音特征集合中的语音特征进行特征融合，得到多个融合语音特征，其中，每个语音特征集合对应一个融合语音特征；在音素集合中分别识别出与每个融合语音特征对应的音素。

根据本发明实施例的另一方面，还提供了一种语音音素识别装置，包括：提取单元，用于从按照时间顺序进行排序的多个语音帧中提取出与多个语音帧一一对应的多个第一语音特征；第一确定单元，用于从多个第一语音特征中确定出多个关键语音特征，其中，每个关键语音特征对应于音素集合中的一个音素的概率大于或者等于目标概率阈值；第二确定单元，用于确定出与每个关键语音特征对应的语音特征集合，其中，每个语音特征集合包括对应的关键语音特征以及多个第一语音特征中与对应的关键语音特征相邻的一个或多个语音特征；融合单元，用于分别对每个语音特征集合中的语音特征进行特征融合，得到多个融合语音特征，其中，每个语音特征集合对应一个融合语音特征；识别单元，用于在音素集合中分别识别出与每个融合语音特征对应的音素。

根据本发明实施例的又一方面，还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的方法。