[发明专利]语音识别系统、相关方法、装置及设备

说明书

本申请公开了语音识别系统、相关方法、装置及设备。其中，所述系统通过多个客户端采集不同应用的语音数据，将语音数据发送至服务端；服务端从训练样本集中学习得到模型参数动态可变的语音识别模型，并确定各个应用使用该模型的模型参数；针对客户端发送的语音数据，确定目标应用的模型参数；将目标应用的模型参数作为语音识别模型的模型参数，通过基于目标应用的模型参数的语音识别模型，将语音数据转换为文本序列。采用这种处理方式，使得通过一个通用模型即可满足不同应用对计算量与时延的不同需求；因此，可以有效节省系统资源，降低模型维护成本，提升模型在应用场景上的可扩展性，提升新应用场景下的模型部署效率。

技术领域

本申请涉及数据处理技术领域，具体涉及语音识别系统、方法和装置，语音识别服务升级方法和装置，语音识别服务测试方法和装置，智能音箱，智能电视，点餐设备，智能移动设备，车载语音助手设备，庭审设备，以及电子设备。

背景技术

在语音识别系统的不同的应用场景中，对计算量与时延有不同的需求。例如，在智能音箱场景中，语音识别系统通常部署在云端，由于云端设备性能较好，因此为了提升语音识别性能，可采用运算单元较多、且计算时延较高的语音识别模型；而在点餐机、智能电视、法院庭审等场景中，语音识别系统通常在端上部署，由于端设备性能有限，同时为了满足用户交互的实时性需求，通常需采用运算单元较少、且时延要求更高的语音识别模型；而在即时通讯场景(如钉钉)中，对语音识别系统的时延要求并不高，可采用计算量较大的模型。

目前，语音识别系统主要是通过同时维护多个语音识别模型，来满足不同应用对计算量与时延的不同需求，也即每个模型具有固定的模型大小和时延，不同应用根据其对计算量与时延的不同需求，使用不同的语音识别模型，不同的语音识别模型需要单独训练和维护。

然而，在实现本发明过程中，发明人发现该技术方案至少存在如下问题：1)由于要同时维护多个模型来满足不同应用对计算量与时延的不同需求，因此会消耗较多的计算资源和存储资源，且模型训练与维护成本均较高；2)在面对新应用场景的语音识别需求时，需要重新训练一个适用于该场景对计算量与时延需求的语音识别模型，因此语音识别系统的可扩展性较低。综上所述，如何提供一个模型参数可控的统一的语音识别模型,来满足不同应用场景对计算量与时延的不同需求，以节省设备资源，提升应用场景的可扩展性，降低模型维护成本，成为本领域技术人员急需解决的问题。

发明内容

本申请提供语音识别系统，以解决现有技术存在的无法通过一个通用的语音识别模型来满足不同应用对计算量与时延的不同需求的问题。本申请另外提供语音识别方法和装置，语音识别服务升级方法和装置，语音识别服务测试方法和装置，智能音箱，智能电视，点餐设备，智能移动设备，车载语音助手设备，庭审设备，以及电子设备。

本申请提供一种语音识别系统，包括：

客户端，用于采集目标应用的语音数据，将所述语音数据发送至服务端；

服务端，用于从训练样本集中学习得到模型参数动态可变的语音识别模型；针对终端设备发送的所述语音数据，确定与所述目标应用对应的目标模型参数；通过基于所述目标模型参数的所述语音识别模型，将所述语音数据转换为文本序列。

本申请还提供一种语音识别方法，包括：

从训练样本集中学习得到模型参数动态可变的语音识别模型；

确定与目标应用对应的目标模型参数；

通过基于所述目标模型参数的所述语音识别模型，将目标应用的语音数据转换为文本序列。

可选的，所述模型参数包括：模型大小；

所述模型大小包括：神经网络的层数和/或神经元数量；

所述从训练样本集中学习得到模型参数动态可变的语音识别模型，包括：

根据动态确定的模型大小，对所述模型执行迭代训练。