[发明专利]语音识别方法及相关模型的训练方法和相关设备、装置

说明书

本申请公开了一种语音识别方法及相关模型的训练方法和相关设备、装置，其中，语音识别方法包括：对原始音频、候选文本进行编码，对应得到原始音频表示、候选文本表示；其中，候选文本是对原始音频进行初始识别而得到的；利用原始音频表示对候选文本表示进行调整，得到与候选文本表示对应的重构文本表示；对重构文本表示进行若干次预测，并将每次预测得到的预测文字的组合，作为原始音频的最终识别文本。上述方案，能够提高语音识别准确性。

技术领域

本申请涉及语音识别领域，特别是涉及一种语音识别方法及相关模型的训练方法和相关设备、装置。

背景技术

近年来，随着信息技术的飞速发展，语音识别已经广泛应用于日常生活、工作的方方面面。例如，在外呼领域，可以通过机器人呼出提示音，从而和用户进行语音交互，并对用户回答提示音的原始音频进行识别，得到对应的识别文本，从而可以利用自然语言理解技术分析识别文本，以理解用户回答内容，进而进行下一步的交互。故此，如何提高语音识别准确性具有极其重要的研究意义。

发明内容

本申请主要解决的技术问题是提供一种语音识别方法及相关模型的训练方法和相关设备、装置，能够提高语音识别准确性。

为了解决上述问题，本申请第一方面提供了一种语音识别方法，包括：对原始音频、候选文本进行编码，对应得到原始音频表示、候选文本表示；其中，候选文本是对原始音频进行初始识别而得到的；利用原始音频表示对候选文本表示进行调整，得到与候选文本表示对应的重构文本表示；对重构文本表示进行若干次预测，并将每次预测得到的预测文字的组合，作为原始音频的最终识别文本。

为了解决上述问题，本申请第二方面提供了一种语音识别模型的训练方法，包括：利用语音识别模型的编码子网络对样本音频、样本候选文本进行编码，对应得到样本音频表示、样本候选文本表示；其中，样本候选文本是对样本音频进行初始识别而得到的；基于语音识别模型的调整处理子网络，利用样本音频表示对样本候选文本表示进行调整，得到与样本候选文本表示对应的样本重构文本表示；基于语音识别模型的预测子网络，对样本重构文本表示进行若干次预测，得到样本预测文字；基于若干次预测得到的样本预测文字对应的样本预测概率，调整语音识别模型的网络参数。

为了解决上述问题，本申请第三方面提供了一种电子设备，包括相互耦接的存储器和处理器，存储器中存储有程序指令，处理器用于执行程序指令以实现上述第一方面中的语音识别方法，或实现上述第二方面中的语音识别模型的训练方法。

为了解决上述问题，本申请第四方面提供了一种存储装置，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的语音识别方法，或实现上述第二方面中的语音识别模型的训练方法。

上述方案，通过对原始音频和对原始音频进行初始识别得到的候选文本进行编码，对应得到原始音频表示、候选文本表示，并利用原始音频表示对候选文本表示进行调整，得到与候选文本表示对应的重构文本表示，从而能够有利于基于原始音频表示弥补音频侧信息，有利于提高重构文本表示的准确性，从而再对重构文本表示进行若干次预测，并将每次预测得到的预测文字的组合，作为原始音频的最终识别文本，能够有利于提高语音识别准确性。

附图说明

图1是本申请语音识别方法一实施例的流程示意图；

图2是本申请语音识别方法另一实施例的流程示意图；

图3是图2中步骤S25一实施例的流程示意图；

图4是图3中步骤S32一实施例的流程示意图；

图5是本申请语音识别模型的训练方法一实施例的流程示意图；

图6是本申请电子设备一实施例的框架示意图；

图7是本申请电子设备另一实施例的框架示意图；