[发明专利]一种语音识别方法、装置、设备及存储介质

权利要求书

1.一种语音识别方法，其特征在于，包括：

获取待识别的语音，并将所述语音转换为声学特征；

将所述声学特征输入到至少两种语言声学模型中，输出对应的音素序列；其中，每种语言声学模型输出的音素序列的语种不相同；

将各个语种的音素序列转换成对应的文字序列，并确定所述文字序列的识别置信度；

根据所述声学特征，对所述语音进行语种分类，并确定所述语音属于各语种的语种置信度；

根据所述识别置信度和所述语种置信度，确定所述语音针对各语种的分类识别得分，并将分类识别得分最高值对应的文字序列作为所述语音的识别结果；

所述根据所述识别置信度和所述语种置信度，确定所述语音针对各语种的分类识别得分，包括：

针对每个语种的文字序列，对所述文字序列进行文字语种分类，确定所述文字序列属于各语种的文字语种置信度；

根据所述语种置信度和所述文字语种置信度，确定所述语音属于各语种的语种分类得分，确定语种分类得分的最高值对应的语种为目标语种；

通过所述目标语种对应的语义模型，对所有所述文字序列进行领域分类，并确定所述文字序列属于各领域对应的领域置信度；

根据所述识别置信度、所述语种分类得分和所述领域置信度，确定所述语音针对各语种的分类识别得分。

2.根据权利要求1所述的方法，其特征在于，将所述语音转换为声学特征，包括：

将所述语音输入到语音处理深度学习模型，得到所述语音的声学特征；

将各个语种的音素序列转换成对应的文字序列，并确定所述文字序列的识别置信度，包括：

将各个语种的音素序列分别输入到对应语种的语言模型，得到各个语种的音素序列对应的文字序列，并确定所述文字序列的识别置信度。

3.根据权利要求2所述的方法，其特征在于，所述语音处理深度学习模型，包括：双向编码器的语音处理深度学习BERT模型。

4.一种语音识别装置，其特征在于，包括：

声学特征转换模块，用于获取待识别的语音，并将所述语音转换为声学特征；

音素序列输出模块，用于将所述声学特征输入到至少两种语言声学模型中，输出对应的音素序列；其中，每种语言声学模型输出的音素序列的语种不相同；

文字序列转换模块，用于将各个语种的音素序列转换成对应的文字序列，并确定所述文字序列的识别置信度；

语种分类模块，用于根据所述声学特征，对所述语音进行语种分类，并确定所述语音属于各语种的语种置信度；

识别结果获取模块，用于根据所述识别置信度和所述语种置信度，确定所述语音针对各语种的分类识别得分，并将分类识别得分最高值对应的文字序列作为所述语音的识别结果；

所述识别结果获取模块，包括：文字语种置信度确定单元，目标语种确定单元，领域置信度第二确定单元和分类识别得分第二确定单元；

文字语种置信度确定单元，用于针对每个语种的文字序列，对文字序列进行文字语种分类，确定文字序列属于各语种的文字语种置信度；

目标语种确定单元，用于根据语种置信度和文字语种置信度，确定语音属于各语种的语种分类得分，确定语种分类得分的最高值对应的语种为目标语种；

领域置信度第二确定单元，用于通过目标语种对应的语义模型，对所有文字序列进行领域分类，并确定文字序列属于各领域对应的领域置信度；

分类识别得分第二确定单元，用于根据识别置信度、语种分类得分和领域置信度，确定语音针对各语种的分类识别得分。

5.一种语音识别设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3任一项所述的一种语音识别方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3任一项所述的一种语音识别方法。