[发明专利]语音识别模型的训练样本选取方法、装置及介质

权利要求书

1.一种语音识别模型的训练样本选取方法，其特征在于，包括：

获取待识别语音的正确读音训练样本；

对待识别语音中的汉字进行形近字扩展；

利用扩展的形近字构建形成容错训练样本；

将所述正确读音训练样本与所述容错训练样本融合为模型训练样本，用于对语音识别模型进行训练。

2.根据权利要求1所述的语音识别模型的训练样本选取方法，其特征在于，通过去掉部首或替换部首的方式对待识别语音中的汉字进行形近字扩展。

3.根据权利要求1所述的语音识别模型的训练样本选取方法，其特征在于，利用扩展的形近字构建形成容错训练样本的步骤包括：

根据发音对扩展的形近字进行分组，将相同发音的形近字分为一组；

每组均对应生成一个容错训练样本。

4.根据权利要求1所述的语音识别模型的训练样本选取方法，其特征在于，对语音识别模型进行训练时，设定容错训练样本的权重小于正确读音训练样本的权重。

5.根据权利要求4所述的语音识别模型的训练样本选取方法，其特征在于，所述容错训练样本的权重由模型训练方法和容错训练样本中形近字在汉语语料库中的单字出现频率共同决定。

6.根据权利要求5所述的语音识别模型的训练样本选取方法，其特征在于，所述容错训练样本的权重通过下式获取：

其中，W_near(a)表示容错训练样本的权重，a表示容错训练样本中的形近字发音，W₀表示预设的固定权重，n表示容错训练样本中发音为a的形近字的数量，P_i表示容错训练样本中发音为a的第i个形近字在汉语语料库中的单字出现概率。

7.一种语音识别模型的训练样本选取装置，其特征在于，包括：

第一样本获取模块，用于获取待识别语音的正确读音训练样本；

扩展模块，用于对待识别语音中的汉字进行形近字扩展；

第二样本获取模块，用于利用扩展的形近字构建形成容错训练样本；

样本融合模块，用于将所述正确读音训练样本与所述容错训练样本融合为模型训练样本，所述模型训练样本用于对语音识别模型进行训练。

8.一种电子装置，其特征在于，该电子装置包括：

至少一个处理器；

与至少一个处理器通信连接的存储器，所述存储器中包括训练样本选取程序，所述训练样本选取程序被处理器执行时实现如权利要求1至6中任一项所述的训练样本选取方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括训练样本选取程序，所述训练样本选取程序被处理器执行时，实现如权利要求1至6中任一项所述的训练样本选取方法。