[发明专利]一种语音识别方法及装置在审
申请号: | 202010900446.5 | 申请日: | 2020-08-31 |
公开(公告)号: | CN112017645A | 公开(公告)日: | 2020-12-01 |
发明(设计)人: | 胡正伦;陈江 | 申请(专利权)人: | 广州市百果园信息技术有限公司 |
主分类号: | G10L15/065 | 分类号: | G10L15/065;G10L15/26;G06F16/33;G06F16/35;G06F40/30;G06K9/62;G06N3/04 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 511402 广东省广州市番*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 语音 识别 方法 装置 | ||
1.一种语音识别方法,其特征在于,所述方法包括:
获取当前通话的各客户端的语音信号分别经由语音识别器进行语音识别后输出的文本数据,其中,所述语音识别器包括目标领域语言模型;
根据各客户端的所述文本数据确定当前通话的目标话题领域;
判断所述目标领域语言模型是否与所述目标话题领域适配,若不适配,则将所述目标领域语言模型切换为与所述目标话题领域适配的领域语言模型。
2.根据权利要求1所述的方法,其特征在于,所述语音识别器还包括文本分类模型;所述根据各客户端的所述文本数据确定当前通话的目标话题领域包括:
将各客户端的所述文本数据输入至已训练的文本分类模型,并获取所述文本分类模型依据各客户端的文本数据进行处理后输出的当前通话的目标话题领域。
3.根据权利要求2所述的方法,其特征在于,所述文本分类模型包括BERT模型以及位于所述BERT模型顶部的分类器,所述BERT模型用于根据输入的各客户端的文本数据的向量表示,确定融合了上下文语义信息的语义向量,作为隐层状态信息输出至所述分类器,所述分类器用于根据所述隐层状态信息确定当前通话对应于各话题标签的概率,并根据所述概率确定目标话题领域。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述语音识别器还包括声学模型以及通用语言模型;
所述获取当前通话的各客户端的语音信号分别经由语音识别器进行语音识别后输出的文本数据,包括:
获取各客户端发出的语音信号经过声学模型以及通用语言模型后,由所述通用语言模型输出的多个候选识别结果;
分别将所述多个候选识别结果输入至所述目标领域语言模型中,并获得所述目标领域语言模型对各候选识别结果进行重打分后输出的各候选识别结果的分数;
根据所述分数从所述候选识别结果中确定最终识别结果,作为所述语音信号对应的文本数据。
5.根据权利要求4所述的方法,其特征在于,所述领域语言模型有多个,各领域语言模型在训练时基于对应领域场景的训练数据并对所述通用语言模型进行迁移学习生成。
6.一种语音识别装置,其特征在于,所述装置包括:
文本数据获取模块,用于获取当前通话的各客户端的语音信号分别经由语音识别器进行语音识别后输出的文本数据,其中,所述语音识别器包括目标领域语言模型;
目标话题领域确定模块,用于根据各客户端的所述文本数据确定当前通话的目标话题领域;
领域语言模型切换模块,用于判断所述目标领域语言模型是否与所述目标话题领域适配,若不适配,则将所述目标领域语言模型切换为与所述目标话题领域适配的领域语言模型。
7.根据权利要求6所述的装置,其特征在于,所述语音识别器还包括文本分类模型;所述目标话题领域确定模块还用于:
将各客户端的所述文本数据输入至已训练的文本分类模型,并获取所述文本分类模型依据各客户端的文本数据进行处理后输出的当前通话的目标话题领域。
8.根据权利要求7所述的装置,其特征在于,所述文本分类模型包括BERT模型以及位于所述BERT模型顶部的分类器,所述BERT模型用于根据输入的各客户端的文本数据的向量表示,确定融合了上下文语义信息的语义向量,作为隐层状态信息输出至所述分类器,所述分类器用于根据所述隐层状态信息确定当前通话对应于各话题标签的概率,并根据所述概率确定目标话题领域。
9.一种服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州市百果园信息技术有限公司,未经广州市百果园信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010900446.5/1.html,转载请声明来源钻瓜专利网。