[发明专利]一种端到端的语音识别方法在审
| 申请号： | 201910988520.0 | 申请日： | 2019-10-17 |
| 公开（公告）号： | CN110751945A | 公开（公告）日： | 2020-02-04 |
| 发明（设计）人： | 贾宇;董弋粲;沈宜;卢江波;张明亮 | 申请（专利权）人： | 成都三零凯天通信实业有限公司 |
| 主分类号： | G10L15/06 | 分类号： | G10L15/06;G10L15/16;G10L15/183;G10L15/22;G10L15/26 |
| 代理公司： | 51218 成都金英专利代理事务所(普通合伙) | 代理人： | 袁英 |
| 地址： | 610041 四川省成都市*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 语言模型 声学模型 拼音符号 准确率 语音 传统算法 泛化性能 模型文件 人机交互 文字内容 训练语音 语音内容 语音识别 语音数据 直接转化 端到端 构建 声光 汉字 | ||
1.一种端到端的语音识别方法，其特征在于，包括以下步骤：
S1：获取若干的语音数据并得到语谱图，构建声学模型和语言模型；
S2：利用所述声光模型，训练语音数据得到包含拼音符号的声学模型文件；
S3：利用所述语言模型，训练所述包含拼音符号的声学模型文件得到包含汉字的语言模型文件；
S4：输入待识别的语音，利用声学模型文件和语言模型文件对语音进行识别。
2.根据权利要求1所述的一种端到端的语音识别方法，其特征在于，所述步骤S1：包括如下步骤：
S11：提取语音数据的时域特征、进行语音数据的分帧与加窗和进行傅里叶变换得到语谱图；
S12：采用深度卷积神经网络和CTC算法构建声学模型，采用Transformer构建语言模型。
3.根据权利要求1中所述的一种端到端的语音识别方法，其特征在于，所述S2包括如下步骤：
S21：获取带有标签的语音数据；
S22：采用卷积神经网络与CTC算法，转化语音数据为拼音符号；
S23：深度卷积神经对具有标签的语音数据进行学习，得到包含拼音符号的声学模型文件。
4.根据权利要求3中所述的一种端到端的语音识别方法，其特征在于，所述步骤S23包括：优化和更新卷积神经网络、全连接网络和GRU网络中的权值矩阵参数与偏置矩阵参数。
5.根据权利要求1所述的一种端到端的语音识别方法，其特征在于，所述步骤S3包括：
S31：载入所述包含拼音符号的声光模型文件；
S32：利用Transformer模型的编码器和解码器得到对应拼音符号的汉字符号；
S33：优化Transformer模型参数，得到包含汉字的语言模型文件。
6.根据权利要求1所述的一种端到端的语音识别方法，其特征在于，所述步骤S4包括如下步骤：
S41：输入待识别的语音，进行傅里叶变化得到语谱图；
S42：使用声光模型文件识别语音信号的拼音符号；
S43：使用语言模型文件将拼音符号识别为汉字符号。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都三零凯天通信实业有限公司，未经成都三零凯天通信实业有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910988520.0/1.html，转载请声明来源钻瓜专利网。
