[发明专利]一种语音识别方法及装置

说明书

本发明实施例提供一种语音识别方法及装置，涉及语音处理技术领域，方法应用于语音识别系统，语音识别系统至少包括语音识别模型，语音识别模型包括多个语音识别子模型，方法包括：针对每次迭代训练过程中的每个语音识别子模型，执行如下操作直至训练结束：语音识别子模型并行地从训练数据集合中获取第一语音训练数据；语音识别子模型根据获取语音增强参数及第一语音训练数据确定第二语音训练数据，语音增强参数用于为第一语音训练数据增加背景噪声；语音识别子模型使用第二语音训练数据进行训练，并根据本次迭代过程中其他语音识别子模型的训练结果更新语音识别子模型。通过在线生成训练数据，提高了语音识别的精准度。

技术领域

本发明实施例涉及语音处理技术领域，尤其涉及一种语音识别方法及装置。

背景技术

随着信息技术的发展，语音识别技术已经走入了人们的生活。语音识别技术的应用领域已经十分广泛，诸如：语音输入系统，其相对于键盘输入法更符合人的日常习惯，更自然、更高效；也可以应用于诸如工业控制、语音拨号系统、智能家电、声控智能玩具等；近期更出现了智能对话控制系统，根据用户的语音操作，除了进行相应的控制处理之外，为用户提供更自然逼真的语音反馈。

但是现有技术中，由于受到语音识别训练数据的局限性，只能使用部分语音训练数据进行语音识别模型的训练，语音识别的精准度较差。

发明内容

本发明实施例提供一种语音识别方法及装置，至少能够提高语音识别的精准度。

一方面，本发明实施例提供一种语音识别方法，所述方法应用于语音识别系统，所述语音识别系统至少包括语音识别模型，所述语音识别模型包括多个语音识别子模型，各语音识别子模型具有相同的模型结构，所述方法包括：

针对每次迭代训练过程中的每个语音识别子模型，执行如下操作直至训练结束：

所述语音识别子模型并行地从训练数据集合中获取第一语音训练数据，所述第一语音训练数据是从所述训练数据集中确定的，不同的语音识别子模型获取的第一语音训练数据不同；

所述语音识别子模型根据获取语音增强参数及第一语音训练数据确定第二语音训练数据，所述语音增强参数用于为第一语音训练数据增加背景噪声；

所述语音识别子模型使用所述第二语音训练数据进行训练，并根据本次迭代过程中其他语音识别子模型的训练结果更新所述语音识别子模型；所述其他语音识别子模型为各语音识别子模型中的任一个或多个。

在本发明实施例中，首先使用了多个语音识别子模型同时进行训练，加速了训练过程，其次，各个语音识别子模型在训练开始后，并行地从训练数据集合中获取第一语音训练数据，并根据获取语音增强参数来确定进行训练的第二语音训练数据，也就是说，在本发明实施例中，是在线生成训练数据的，并且在生成训练数据后，没有进行保存，而是直接进行训练。通过本发明实施例中的训练方法，可以遍历所有的第一语音训练数据，不会造成额外的存储压力，从而提高了语音识别的精准度。

可选的，所述语音识别子模型并行地从训练数据集合中获取第一语音训练数据，包括：

所述语音识别子模型在开始进行训练时，并行地从所述训练数据集合中的一个训练批次集合中获取所述第一语音训练数据；所述一个训练批次集合中的语音训练数据的数量与各语音识别子模型的数量相同且所述一个训练批次集合中的各语音训练数据的音频长度的差值在预设范围之内。

本发明实施例中，各个语音识别子模型获取的是同一个训练批次集合中的训练数据，这些训练数据之间的音频长度的差值在预设范围之内，能够有效的控制各个语音识别子模型的训练时间，保证总体训练时长，且能够保证各个语音识别子模型可以在匹配的时间内完成训练。

可选的，通过如下方式确定一个训练批次集合中的各语音训练数据，包括：