[发明专利]语音识别方法及装置

权利要求书

1.一种语音识别方法，其特征在于，包括：

获取待识别语音数据的频谱图；

将所述待识别语音数据的频谱图输入至语音识别模型，输出所述待识别语音数据对应的文字识别结果；

其中，所述语音识别模型是基于语音样本以及预先确定的语音样本对应的文字，采用二次训练的方式进行训练后得到。

2.根据权利要求1所述的语音识别方法，其特征在于，将所述待识别语音数据的频谱图输入至语音识别模型，输出所述待识别语音数据对应的文字识别结果，具体包括：

将所述待识别语音数据的频谱图输入至所述语音识别模型中的卷积神经网络，输出语音特征；

将所述语音特征输入至所述语音识别模型中的双向残差长短时记忆网络，输出语义信息；

将所述语义信息输入至所述语音识别模型中的解码器，输出所述文字识别结果。

3.根据权利要求1所述的语音识别方法，其特征在于，对所述语音识别模型进行训练的具体步骤如下：

将所述语音样本的频谱图输入至所述语音识别模型中的卷积神经网络，输出样本语音特征；

将所述样本语音特征输入至所述语音识别模型中的双向残差长短时记忆网络，输出样本语义信息；

将所述样本语义信息输入至全连接神经网络，输出样本预测文字；

将所述样本预测文字输入至Softmax回归模型，输出归一化后的样本预测文字；

将归一化后的样本预测文字输入至集束搜索算法模型，输出负样本；

根据所述负样本对所述语音识别模型进行二次训练，确定所述语音识别模型的参数。

4.根据权利要求3所述的语音识别方法，其特征在于，将所述样本语音特征输入至所述语音识别模型中的双向残差长短时记忆网络，输出样本语义信息，具体包括：

将所述样本语音特征输入至双向长短时记忆网络，输出前后向的隐藏语义信息，同时，对所述样本语音特征进行正则化，得到归一化样本语音特征；

将所述隐藏语义信息和所述归一化样本语音特征进行合并，得到所述样本语义信息。

5.根据权利要求3所述的语音识别方法，其特征在于，根据所述负样本对所述语音识别模型进行二次训练，确定所述语音识别模型的参数，具体包括：

将所述负样本输入至二次训练的卷积神经网络，输出负样本语音特征；

将所述负样本语音特征输入至二次训练的双向残差长短时记忆网络，输出负样本语义信息；

将所述负样本语义信息输入至连接者时间分类模型，输出连接者时间分类损失；

根据所述连接者时间分类损失，利用反向传播算法确定所述语音识别模型的参数。

6.根据权利要求5所述的语音识别方法，其特征在于，将所述负样本语义信息输入至连接者时间分类模型，输出连接者时间分类损失，具体包括：

将所述负样本语义信息输入至全连接神经网络，输出负样本预测文字；

将所述负样本预测文字输入至Softmax回归模型，输出归一化后的负样本预测文字；

将归一化后的负样本预测文字输入至连接者时间分类损失函数模型，输出所述连接者时间分类损失。

7.根据权利要求5所述的语音识别方法，其特征在于，所述语音识别模型中的卷积神经网络为两层卷积神经网络，所述语音识别模型中的双向残差长短时记忆网络为两层双向残差长短时记忆网络；

二次训练的卷积神经网络为两层卷积神经网络，二次训练的双向残差长短时记忆网络为七层双向残差长短时记忆网络。

8.一种语音识别的装置，其特征在于，包括：

获取模块，用于获取待识别语音数据的频谱图；

识别模块，用于将所述待识别语音数据的频谱图输入至语音识别模型，输出所述待识别语音数据对应的文字识别结果；

其中，所述语音识别模型是基于语音样本以及预先确定的语音样本对应的文字，采用二次训练的方式进行训练后得到。