[发明专利]一种语音识别模型的生成方法、装置及电子设备

权利要求书

1.一种语音识别模型的生成方法，其特征在于，所述语音识别模型包括编码器和解码器，该方法包括：

获取训练样本，每个训练样本包括语音帧序列及对应的标注文本序列；

将所述语音帧序列作为所述编码器的输入特征，将所述语音帧序列的语音编码帧作为所述编码器的输出特征，对所述编码器进行训练；

将所述语音编码帧作为所述解码器的输入特征，将所述语音帧序列对应的标注文本序列作为输出特征对解码器进行训练，得到当前预测文本序列，将所述语音编码帧作为所述解码器的输入特征，将所述语音帧序列对应的标注文本序列及所述当前预测文本序列按照预设概率采样后合并得到的序列作为输出特征，对所述解码器进行再次训练；

其中，所述预设概率根据所述解码器输出的预测文本序列的准确率确定。

2.根据权利要求1所述的方法，其特征在于，所述获取训练样本步骤包括：

获取语音信号并进行语音特征提取，得到初始语音帧序列；

对所述初始语音帧序列中语音帧进行拼帧，并下采样拼帧后的语音帧，得到语音帧序列。

3.根据权利要求1所述的方法，其特征在于，所述根据所述解码器输出的预测文本序列的准确率确定所述预设概率步骤包括：

根据解码器输出的预测文本序列的准确率的大小，按照正比关系确定采样预测文本序列的预设概率，按照反比关系确定采样标注文本序列的预设概率。

4.根据权利要求1所述的方法，其特征在于，还包括：

确定所述当前预测文本序列与对应的标注文本序列的接近程度满足预设值，及确定所述当前预测文本序列中的字错误率CER满足预设值时，结束对所述语音识别模型的训练。

5.根据权利要求1所述的方法，其特征在于，所述标注文本序列为标注的音节序列，所述预测文本序列为预测的音节序列。

6.一种语音识别模型的生成装置，其特征在于，所述语音识别模型包括编码器和解码器，该装置包括：获取样本单元、编码器训练单元、解码器训练单元，其中：

获取样本单元，被配置为执行获取训练样本，每个训练样本包括语音帧序列及对应的标注文本序列；

编码器训练单元，被配置为执行将所述语音帧序列作为所述编码器的输入特征，将所述语音帧序列的语音编码帧作为所述编码器的输出特征，对所述编码器进行训练；

解码器训练单元，被配置为执行将所述语音编码帧作为所述解码器的输入特征，将所述语音帧序列对应的标注文本序列作为输出特征对解码器进行训练，得到当前预测文本序列，将所述语音编码帧作为所述解码器的输入特征，将所述语音帧序列对应的标注文本序列及所述当前预测文本序列按照预设概率采样后合并得到的序列作为输出特征，对所述解码器进行再次训练；

其中，所述预设概率根据所述解码器输出的预测文本序列的准确率确定。

7.根据权利要求6所述的装置，其特征在于，所述获取样本单元具体被配置为执行：

获取语音信号并进行语音特征提取，得到初始语音帧序列；

对所述初始语音帧序列中语音帧进行拼帧，并下采样拼帧后的语音帧，得到语音帧序列。

8.根据权利要求6所述的装置，其特征在于，所述解码器训练单元具体被配置为执行：

根据解码器输出的预测文本序列的准确率的大小，按照正比关系确定采样预测文本序列的预设概率，按照反比关系确定采样标注文本序列的预设概率。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括完成训练单元被配置为执行：

确定所述当前预测文本序列与对应的标注文本序列的接近程度满足预设值，及确定所述当前预测文本序列中的字错误率CER满足预设值时，结束对所述语音识别模型的训练。

10.根据权利要求6所述的装置，其特征在于，所述标注文本序列为标注的音节序列，所述预测文本序列为预测的音节序列。