[发明专利]基于说话人扩充的语音识别模型训练方法及系统有效
| 申请号： | 201911311760.3 | 申请日： | 2019-12-18 |
| 公开（公告）号： | CN111081259B | 公开（公告）日： | 2022-04-15 |
| 发明（设计）人： | 俞凯;杜晨鹏 | 申请（专利权）人： | 思必驰科技股份有限公司 |
| 主分类号： | G10L17/04 | 分类号： | G10L17/04;G10L17/02;G10L17/20;G10L25/18;G10L25/24 |
| 代理公司： | 北京商专永信知识产权代理事务所(普通合伙) 11400 | 代理人： | 黄谦;车江华 |
| 地址： | 215123 江苏省苏州市苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 说话 扩充 语音 识别 模型 训练 方法 系统 | ||
1.一种基于说话人扩充的语音识别模型训练方法，包括：
接收语音训练集，将训练数据输入至音频编码器，确定训练语音中各说话人的深度特征；
将所述各说话人的深度特征输入至说话人分类器，确定各说话人的声谱特征，建立说话人声谱网络；
基于所述说话人声谱网络模拟新的说话人声谱，生成新的说话人的模拟语音训练集；
基于所述语音训练集以及所述模拟语音训练集训练所述语音识别模型。
2.根据权利要求1所述的方法，其中，所述音频编码器包括：
用于提取多种深层特征的卷积层，
用于提高不发音字符鲁棒性的长短时记忆单元网络。
3.根据权利要求1所述的方法，其中，所述说话人分类器由线性网络构成，用于提高说话人声谱特征的输出。
4.根据权利要求2所述的方法，其中，所述长短时记忆单元网络包括：1层单向长短时记忆单元网络或2层双向长短时记忆单元网络。
5.根据权利要求1所述的方法，其中，所述基于所述语音训练集以及所述模拟语音训练集训练所述语音识别模型包括：
分别在第一数量的语音训练集和第二数量的模拟语音训练集提取相同数量的数据训练所述语音识别模型，其中，第一数量小于第二数量。
6.一种基于说话人扩充的语音识别模型训练系统，包括：
深度特征确定程序模块，用于接收语音训练集，将训练数据输入至音频编码器，确定训练语音中各说话人的深度特征；
声谱网络建立程序模块，用于将所述各说话人的深度特征输入至说话人分类器，确定各说话人的声谱特征，建立说话人声谱网络；
新说话人生成程序模块，用于基于所述说话人声谱网络模拟新的说话人声谱，生成新的说话人的模拟语音训练集；
模型训练程序模块，用于基于所述语音训练集以及所述模拟语音训练集训练所述语音识别模型。
7.根据权利要求6所述的系统，其中，所述音频编码器包括：
用于提取多种深层特征的卷积层，
用于提高不发音字符鲁棒性的长短时记忆单元网络。
8.根据权利要求6所述的系统，其中，所述说话人分类器由线性网络构成，用于提高说话人声谱特征的输出。
9.根据权利要求7所述的系统，其中，所述长短时记忆单元网络包括：1层单向长短时记忆单元网络或2层双向长短时记忆单元网络。
10.根据权利要求6所述的系统，其中，所述模型训练程序模块用于：
分别在第一数量的语音训练集和第二数量的模拟语音训练集提取相同数量的数据训练所述语音识别模型，其中，第一数量小于第二数量。
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思必驰科技股份有限公司，未经思必驰科技股份有限公司许可，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/201911311760.3/1.html，转载请声明来源钻瓜专利网。
