[发明专利]语音识别方法及装置、电子设备、存储介质

权利要求书

1.一种语音识别方法，其特征在于，包括：

获取原始语音信号；

对所述原始语音信号进行降噪，得到增强语音信号；

分别提取所述原始语音信号的语音特征，得到第一语音特征，以及提取所述增强语音信号的语音特征，得到第二语音特征；

利用预先训练好的声学模型对所述第一语音特征以及所述第二语音特征进行共同处理，得到组合后的状态序列；

对所述绑定后的状态序列进行解码，得到语音识别结果。

2.根据权利要求1所述的语音识别方法，其特征在于，所述利用预先训练好的声学模型对所述第一语音特征以及所述第二语音特征进行共同处理，得到组合后的状态序列之前，还包括：

将所述第一语音特征以及所述第二语音特征进行拼接得到拼接语音特征；

其中，利用预先训练好的所述声学模型对所述第一语音特征以及所述第二语音特征进行共同处理，得到组合后的状态序列，包括：

利用所述声学模型对所述拼接语音特征进行处理，得到所述拼接语音特征对应的组合后的状态序列。

3.根据权利要求1所述的语音识别方法，其特征在于，所述声学模型包括公共网络以及两个子网络，所述利用预先训练好的所述声学模型对所述第一语音特征以及所述第二语音特征进行共同处理，得到组合后的状态序列，包括：

利用预先训练好的所述声学模型的一个子网络中对所述第一语音特征进行计算，以及利用所述声学模型的另一个子网络对所述第二语音特征进行计算，得到优化后的所述第一语音特征以及优化后的所述第二语音特征；

利用预先训练好的所述声学模型的公共网络对优化后的所述第一语音特征以及优化后的所述第二语音特征进行共同计算，得到组合后的状态序列。

4.根据权利要求3所述的语音识别方法，其特征在于，所述声学模型的训练方法，包括：

分别对所述声学模型的两个子网络进行逐层训练；其中，所述声学模型的一个子网络的训练样本为原始语音信号的语音特征，所述声学模型的另一个子网络的训练样本为降噪后的增强语音信号的语音特征；

将训练好的所述声学模型的两个子网络输出作为所述公共网络的输入，对所述公共网络进行逐层训练。

5.一种语音识别装置，其特征在于，包括：

获取单元，被配置为执行获取原始语音信号；

降噪单元，被配置为执行对所述原始语音信号进行降噪，得到增强语音信号；

特征提取单元，被配置为执行分别提取所述原始语音信号的语音特征，得到第一语音特征，以及提取所述增强语音信号的语音特征，得到第二语音特征；

特征处理单元，被配置为执行利用预先训练好的所述声学模型对所述第一语音特征以及所述第二语音特征进行共同处理，得到组合后的状态序列；

解码单元，被配置为执行对所述组合后的状态序列进行解码，得到语音识别结果。

6.根据权利要求5所述的语音识别装置，其特征在于，所述语音识别装置还包括：

拼接单元，被配置为执行将所述第一语音特征以及所述第二语音特征进行拼接得到拼接语音特征；

其中，所述特征处理单元，包括：

第一特征处理单元，被配置为执行利用所述声学模型对所述拼接语音特征进行处理，得到所述拼接语音特征对应的组合后的状态序列。

7.根据权利要求5所述的语音识别装置，其特征在于，所述声学模型包括公共网络以及两个子网络，所述特征处理单元，包括：

第二特征处理单元，被配置为利用预先训练好的所述声学模型的一个子网络中对所述第一语音特征进行计算，以及利用所述声学模型的另一个子网络对所述第二语音特征进行计算，得到优化后的所述第一语音特征以及优化后的所述第二语音特征，以及利用预先训练好的所述声学模型的公共网络对优化后的所述第一语音特征以及优化后的所述第二语音特征进行共同计算，得到组合后的状态序列。