[发明专利]语音识别方法、装置、电子设备及存储介质有效
申请号: | 201911274852.9 | 申请日: | 2019-12-12 |
公开(公告)号: | CN111009237B | 公开(公告)日: | 2022-07-01 |
发明(设计)人: | 李杰;范志赟;王晓瑞;李岩 | 申请(专利权)人: | 北京达佳互联信息技术有限公司 |
主分类号: | G10L15/02 | 分类号: | G10L15/02;G10L15/06 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 谢曲曲 |
地址: | 100085 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 语音 识别 方法 装置 电子设备 存储 介质 | ||
1.一种语音识别方法,其特征在于,包括:
从当前说话人的待识别语音数据中提取相应的原始语音特征序列;
将所述原始语音特征序列输入至语音识别模型,所述语音识别模型包括注意力模块、编码器和解码器,所述注意力模块存储有包含多个说话人特征的基础特征组;
通过所述编码器对所述原始语音特征序列进行编码,生成对应的语音特征序列;
通过所述注意力模块根据所述语音特征序列和训练得到的包含多个说话人特征的基础特征组,计算得到当前说话人的说话人特征序列;
根据所述当前说话人的说话人特征序列和所述语音特征序列,生成目标语音特征序列;
通过所述解码器对所述目标语音特征序列进行解码,生成语音识别结果。
2.根据权利要求1所述的语音识别方法,其特征在于,所述通过所述注意力模块根据所述语音特征序列和训练得到的包含多个说话人特征的基础特征组,计算得到当前说话人的说话人特征序列,包括:
对于所述语音特征序列中的每帧语音特征,通过所述注意力模块计算所述每帧语音特征与所述基础特征组中的每个说话人特征的相似度;
根据所述相似度确定所述每个说话人特征的权重,并根据所述每个说话人特征的权重进行加权和,得到每帧语音特征对应的说话人特征;
根据每帧语音特征对应的说话人特征得到当前说话人的说话特征序列。
3.根据权利要求1所述的语音识别方法,其特征在于,所述基础特征组的生成方式,包括:
从第一标准语音数据集中获取预设数量的标准语音数据;
从所述标准语音数据中提取出对应的标准语音特征;
通过训练得到的声学模型对所述标准语音特征进行特征提取,得到所述基础特征组。
4.根据权利要求3所述的语音识别方法,其特征在于,所述声学模型是使用第二标准语音数据集训练而成的,所述第一标准语音数据集是所述第二标准语音数据集的子集。
5.根据权利要求1所述的语音识别方法,其特征在于,所述编码器包括多个编码单元,所述语音特征序列为顶端编码器单元输出的特征序列。
6.根据权利要求1~5任一项所述的语音识别方法,其特征在于,所述语音识别模型的生成方式,包括:
从样本语音数据中提取出样本原始语音特征序列;
对所述样本原始语音特征序列进行编码,生成样本语音特征序列;
根据所述样本语音特征序列和所述基础特征组,计算得到所述样本语音数据对应的样本说话人特征序列;
根据所述样本语音数据对应的样本说话人特征序列和所述样本语音特征序列,生成样本目标语音特征序列;
对所述样本目标语音特征序列进行解码,生成样本识别结果;
根据所述样本识别结果,对待训练语音识别模型进行迭代训练,得到所述语音识别模型。
7.一种语音识别装置,其特征在于,包括:
语音特征提取模块,被配置为执行从当前说话人的待识别语音数据中提取相应的原始语音特征序列;
输入模块,被配置为执行将所述原始语音特征序列输入至语音识别模型,所述语音识别模型包括注意力模块、编码器和解码器,所述注意力模块存储有包含多个说话人特征的基础特征组;
编码器模块,被配置为执行通过所述编码器对所述原始语音特征序列进行编码,生成对应的语音特征序列;
注意力模块,被配置为执行通过所述语音识别模型中的注意力模块根据所述语音特征序列和训练得到的包含多个说话人特征的基础特征组,计算得到当前说话人的说话人特征序列;
目标语音特征序列生成模块,被配置为执行根据所述当前说话人的说话人特征序列和所述语音特征序列,生成目标语音特征序列;
语音识别模块,被配置为执行通过所述解码器对所述目标语音特征序列进行解码,生成语音识别结果。
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北京达佳互联信息技术有限公司,未经北京达佳互联信息技术有限公司许可,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/201911274852.9/1.html,转载请声明来源钻瓜专利网。