[发明专利]语音识别的方法、装置、电子设备和计算机可读介质

说明书

本公开的实施例公开了语音识别的方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：针对目标语音的语音帧序列中的每个语音帧，生成上述语音帧的音节概率集合，得到音节概率集合序列，其中，上述音节概率集合用于表征上述语音帧表达的是预设的多个音节中各个音节的概率；基于上述音节概率集合序列和预先训练的语言模型，生成目标文字。该实施方式通过外接语言模型再解码，使得语音识别的结果更准确，进一步的，提升了用户体验。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及语音识别的方法、装置、电子设备和计算机可读介质。

背景技术

目前，语音识别已经广泛的应用在人们的生活中。然而，相关的方法在语音识别过程中，往往存在语音识别不准确的现象，从而导致用户体验差。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了用于语音识别的方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种语音识别的方法，该方法包括：针对目标语音的语音帧序列中的每个语音帧，生成上述语音帧的音节概率集合，得到音节概率集合序列，其中，上述音节概率集合用于表征上述语音帧表达的是预设的多个音节中各个音节的概率；基于上述音节概率集合序列和预先训练的语言模型，生成目标文字。

第二方面，本公开的一些实施例提供了一种语音识别的装置，装置包括：第一生成单元，被配置成针对目标语音的语音帧序列中的每个语音帧，生成上述语音帧的音节概率集合，得到音节概率集合序列，其中，上述音节概率集合用于表征上述语音帧表达的是预设的多个音节中各个音节的概率；第二生成单元，被配置成基于上述音节概率集合序列和预先训练的语言模型，生成目标文字。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先确定出目标语音所包括的各个语音帧的音节概率集合，得到音节概率集合序列。然后，根据音节概率集合序列，再外接一个预先训练的语言模型解码，最终得到目标文字。外接语言模型可以更好地利用文本语料。作为示例，可以通过调整外接语言模型，使得某些词(例如，热词)的概率发生改变。最终使得解码出来的目标文字更加准确。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的语音识别的方法的一个应用场景的示意图；

图2是根据本公开的语音识别的方法的一些实施例的流程图；

图3是根据本公开的语音识别的方法的另一些实施例的流程图；

图4是根据本公开的语音识别的方法的再一些实施例的流程图；

图5是根据本公开的语音识别的方法的一些实施例的贪心搜索方法示意图；

图6是根据本公开的语音识别的方法的一些实施例语音解码示意图；

图7是根据本公开的语音识别的装置的一些实施例的结构示意图；