[发明专利]用于处理语音信号的方法、装置、设备和介质

权利要求书

1.一种用于处理语音信号的方法，包括：

获取所接收的语音信号的语音特征表示集合；

基于从所述语音信号识别的文本，生成源文本特征表示集合，每个源文本特征表示与所述文本中的一个元素相对应；

基于所述语音特征表示集合和所述源文本特征表示集合，生成目标文本特征表示集合；以及

确定所述目标文本特征表示集合与针对所述文本预定义的参考文本特征表示集合的匹配程度，所述匹配程度指示对所述文本的识别的正确性；

其中生成目标文本特征表示集合包括：

确定所述源文本特征表示集合中的一个源文本特征表示与所述语音特征表示集合中的多个语音特征表示之间的多个相似度；

通过将所述多个相似度应用于所述多个语音特征表示，生成多个中间语音特征表示；以及

通过组合所述多个中间语音特征表示，生成与所述源文本特征表示相对应的所述目标文本特征表示。

2.根据权利要求1所述的方法，还包括：

对所述语音特征表示集合中的语音特征表示执行非线性变换；以及

利用经变换的所述语音特征表示来替换所述语音特征表示集合中的所述语音特征表示。

3.根据权利要求1所述的方法，其中确定所述匹配程度包括：

确定所述目标文本特征表示集合的多个目标文本特征表示和所述参考文本特征表示集合中、与多个目标文本特征表示相对应的多个参考文本特征表示之间的多个相似度；以及

基于所述多个相似度的平均值，确定所述匹配程度。

4.根据权利要求1所述的方法，还包括：

将所述匹配程度与阈值程度进行比较；以及

根据确定所述匹配程度高于所述阈值程度，执行所述文本所指示的操作。

5.一种用于处理语音信号的装置，包括：

获取模块，被配置为获取所接收的语音信号的语音特征表示集合；

源文本特征表示集合生成模块，被配置为基于从所述语音信号识别的文本，生成源文本特征表示集合，每个源文本特征表示与所述文本中的一个元素相对应；

目标文本特征表示集合生成模块，被配置为基于所述语音特征表示集合和所述源文本特征表示集合，生成目标文本特征表示集合；以及

第一匹配程度确定模块，被配置为确定所述目标文本特征表示集合与针对所述文本预定义的参考文本特征表示集合的匹配程度，所述匹配程度指示对所述文本的识别的正确性；

其中所述目标文本特征表示集合生成模块包括：

第一相似度确定模块，被配置为确定所述源文本特征表示集合中的一个源文本特征表示与所述语音特征表示集合中的多个语音特征表示之间的多个相似度；

中间语音特征表示生成模块，被配置为通过将所述多个相似度应用于所述多个语音特征表示，生成多个中间语音特征表示；以及

组合模块，被配置为通过组合所述多个中间语音特征表示，生成与所述源文本特征表示相对应的所述目标文本特征表示。

6.根据权利要求5所述的装置，还包括：

非线性变换模块，被配置为对所述语音特征表示集合中的语音特征表示执行非线性变换；以及

替换模块，被配置为利用经变换的所述语音特征表示来替换所述语音特征表示集合中的所述语音特征表示。

7.根据权利要求5所述的装置，其中所述第一匹配程度确定模块包括：

第二相似度确定模块，被配置为确定所述目标文本特征表示集合的多个目标文本特征表示和所述参考文本特征表示集合中、与多个目标文本特征表示相对应的多个参考文本特征表示之间的多个相似度；以及

第二匹配程度确定模块，被配置为基于所述多个相似度的平均值，确定所述匹配程度。

8.根据权利要求5所述的装置，还包括：

比校模块，被配置为将所述匹配程度与阈值程度进行比较；以及

执行模块，被配置为根据确定所述匹配程度高于所述阈值程度，执行所述文本所指示的操作。