[发明专利]音频识别解码方法和装置

权利要求书

1.一种音频识别解码方法，包括：

提取待测音频中的声学特征；

对所述声学特征进行有效音频检测得到有效音频段；

将所述有效音频段分别输入各个环境无关的声学模型中得到各个声学模型的第一轮解码结果；

结合所述有效音频段、所述第一轮解码结果以及各个不同声学单元的声学模型进行环境自适应分别得到对应的各个不同声学单元的环境自适应后的声学模型；

使用所述各个不同声学单元的环境自适应后的声学模型对所述待测音频分别解码，得到第二轮解码结果；

对所述第二轮解码结果使用投票的方法以得到最终解码结果。

2.根据权利要求1所述的方法，其中，所述进行环境自适应包括：

冻结环境无关的声学模型的全部参数，在所述环境无关的声学模型的第一个隐层后添加一个线性缩放层，初始化参数包括设置为1；

使用CTC准则对所述线性缩放层进行优化，其中，优化后的模型即为针对测试环境自适应后的声学模型。

3.根据权利要求1所述的方法，其中，多个声学模型包括单音素声学模型、三音素声学模型和字符声学模型。

4.根据权利要求3所述的方法，其中，所述对所述第二轮解码结果使用投票的方法以得到最终解码结果包括：

将所述单音素声学模型的第二轮解码结果和所述三音素声学模型的第二轮识别结果进行对齐得到第一对齐序列；

将所述第一对齐序列与所述字符声学模型的第二解码结果进行对齐得到第二对齐序列；

基于所述第二对齐序列在各个声学模型的第二轮结果上进行投票，得到最终解码结果。

5.根据权利要求1-4中任一项所述的方法，其中，所述声学模型利用带标注的训练数据采用深度学习的方法进行训练。

6.一种音频识别解码装置，包括：

提取模块，配置为提取待测音频中的声学特征；

音频检测模块，配置为对所述声学特征进行有效音频检测得到有效音频段；

第一轮解码模块，配置为将所述有效音频段分别输入训练好的各个环境无关的声学模型中得到各个声学模型的第一轮解码结果；

环境自适应模块，配置为结合所述有效音频段、所述第一轮解码结果以及各个不同声学单元的声学模型进行环境自适应分别得到对应的各个不同声学单元的环境自适应后的声学模型；

第二轮解码模块，配置为使用所述各个不同声学单元的环境自适应后的声学模型对所述待测音频分别解码，得到第二轮解码结果；

结果投票模块，配置为对所述第二轮解码结果使用投票的方法以得到最终解码结果。

7.根据权利要求6所述的装置，其中，所述进行环境自适应包括：

冻结环境无关的声学模型的全部参数，在所述环境无关的声学模型的第一个隐层后添加一个线性缩放层，初始化参数包括设置为1；

使用CTC准则对所述线性缩放层进行优化，其中，优化后的模型即为针对测试环境自适应后的声学模型。

8.根据权利要求6所述的装置，其中，多个声学模型包括单音素声学模型、三音素声学模型和字符声学模型。

9.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5任一项所述方法的步骤。

10.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。