[发明专利]语音处理方法、装置、计算机可读存储介质及电子设备

说明书

本公开提供了一种语音处理方法、装置、计算机存储介质和电子设备，涉及人工智能领域。该方法包括：获取与语音信号对应的多个语音特征信息；将所述语音特征信息输入至声学模型，通过所述声学模型对各所述语音特征信息进行特征提取，以获取与各所述语音特征信息对应的状态信息，所述声学模型具有隐层跳层连接结构和基于卷积神经网络的记忆单元；根据与各所述语音特征信息对应的状态信息确定与所述语音信号对应的文本信息。本公开可以提高语音识别的精准度和效率。

技术领域

本公开涉及人工智能技术领域，具体而言，涉及一种语音处理方法、语音处理装置、计算机可读存储介质及电子设备。

背景技术

随着人工智能的发展，语音识别技术成为其中的一个重要分支，语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术，目前广泛应用于工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。

在进行语音识别时，通常采用DFSMN（Deep feedforward sequential memorynetworks，深层前馈序列记忆神经网络）作为声学模型对语音信号进行处理，以获取与语音信号对应的音素。虽然目前所采用的DFSMN相比于BLSTM，在参数量更少的情况下能够提高语音识别的准确率，但是在现有的DFSMN结构中，层间的跳层连接作用在记忆单元之间，虽然能够在一定程度上缓解梯度消失的问题，但是存在梯度爆炸的问题；另外，现有的DFSMN中通过向量点乘累加的方式表示当前时刻的记忆单元跟历史和未来时刻的记忆单元的关系，但是没有办法刻画其它不同时刻之间的相互关系。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的实施例提供了一种语音处理方法和语音处理装置，进而至少在一定程度上可以提高语音识别的效率和精准度。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的一个方面，提供了一种语音处理方法，包括：获取与语音信号对应的多个语音特征信息；将所述语音特征信息输入至声学模型，通过所述声学模型对各所述语音特征信息进行特征提取，以获取与各所述语音特征信息对应的状态信息，所述声学模型具有隐层跳层连接结构和基于卷积神经网络的记忆单元；根据与各所述语音特征信息对应的状态信息确定与所述语音信号对应的文本信息。

根据本公开实施例的一个方面，提供了一种语音处理装置，包括：信息获取模块，用于获取与语音信号对应的多个语音特征信息；声学处理模块，用于将所述语音特征信息输入至声学模型，通过所述声学模型对各所述语音特征信息进行特征提取，以获取与各所述语音特征信息对应的状态信息，所述声学模型具有隐层跳层连接结构和基于卷积神经网络的记忆单元；文本确定模块，用于根据与各所述语音特征信息对应的状态信息确定与所述语音信号对应的文本信息。

在本公开的一些实施例中，基于前述方案，所述信息获取模块配置为：对所述语音信号进行语音端点检测，并根据检测结果对所述语音信号进行切分，以获取多个语音帧；对各所述语音帧进行特征提取，以获取与各所述语音帧对应的语音特征信息。

在本公开的一些实施例中，所述声学模型包括DFSMN子模型；基于前述方案，所述声学处理模块包括：声学处理单元，用于通过所述DFSMN子模型对所述语音特征信息进行特征提取，以获取与所述语音特征信息对应的状态信息。