[发明专利]一种自动学习优化声学模型的方法

权利要求书

1.一种自动学习优化声学模型的方法，其特征在于，包括以下步骤：

S1：从数据库中将部分标注数据选入测试池中，将剩余部分标注数据和未标注数据筛选入训练池；

S11：从数据库中随机挑选标注数据选入测试池，剩余的标注数据经过语音增强后选入训练池；

S12：对数据库中未标注数据通过非线性回归算法进行识别率的预测，并将识别率高于阈值的数据放入训练池；

S13：以识别结果充当标注数据，并通过语音增强扩充训练池数据；

S2：将训练池中的数据分批训练，使用测试池中的数据对每次训练产生的声学模型进行识别率测试，将识别率测试结果录入数据库，并生成测试报告；

S3：以识别率最高的声学模型为基础进行循环迭代训练，利用已有数据完成最优声学模型。

2.根据权利要求1所述的一种自动学习优化声学模型的方法，其特征在于，所述的非线性回归算法为：

其中，Y为音频数据的预测识别准确率；为音频数据识别结果的困惑度；为音频数据的音频实时测试速度；为服从均值为零，方差为分布的随机误差；为待估参数；i,j为自然数下标。

3.根据权利要求2所述的一种自动学习优化声学模型的方法，其特征在于，所述的待估参数通过极大然似估计；对于给定的X和待估参数，Y的密度函数为：

n个观测值的对数然似函数为：

最大化上述函数得到待估参数的估计值：

为待估参数的估计值。

4.根据权利要求1所述的一种自动学习优化声学模型的方法，其特征在于，所述的语音增强包括音量增强和语音去噪以及语音转换。

5.根据权利要求1所述的一种自动学习优化声学模型的方法，其特征在于，所述的步骤S2和步骤S3包括以下步骤：

S21：对训练池中的数据进行分批训练，每次训练产生一个声学模型；

S22：利用测试池中的数据对每个声学模型进行整体识别率的测试；

S23：将识别率测试结果录入数据库，并生成测试报告；

S31：比较声学模型的识别率，以识别率最高的声学模型作为基础开始下次训练，并循环迭代；

S32：利用已有数据完成最优识别率的声学模型的训练学习。

6.根据权利要求1所述的一种自动学习优化声学模型的方法，其特征在于，将对所述的声学模型的测试结果录入数据库，并提取重要测试信息，绘制句错误率分布图和引擎测试实时率分布图，自动生成markdown文件测试报告；

所述的提取重要测试信息包括提取测试时间、测试所用模型、测试音频的总字错误率和测试音频总的加权音频的实时测试速度，并提取每个测试音频的句错误率；以音频句错误率为横轴，音频个数占比为纵轴，绘制音频的句错误率分布图；以音频的实时测试速度为横轴，以音频个数占比为纵轴，绘制音频的引擎测试实时率分布图。

7.根据权利要求1所述的一种自动学习优化声学模型的方法，其特征在于，用于完成所述自动学习优化声学模型方法的系统采用docker封装。