[发明专利]一种语音识别模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种语音识别模型训练方法，其特征在于，所述方法包括：

获取待识别音频信息对应的标注文本信息，并基于文本的目标类型对所述待识别音频信息对应的标注文本信息进行预处理；

遍历经过预处理的标注文本信息，确定相应目标类型的文本信息；

基于所述目标类型的文本信息，在第一发音词典中添加所述目标类型的文本信息对应的发音，形成第二发音词典；

基于所述第二发音词典，生成与所述待识别音频信息对应的标注文本信息相匹配的发音序列；

根据所述待识别音频信息对应的标注文本信息，以及与所述标注文本信息相匹配的发音序列，确定训练样本集合；

通过所述训练样本集合对所述语音识别模型中的声学神经网络进行训练，以确定所述声学神经网络的模型参数；

通过所述训练样本集合对所述语音识别模型中的语言神经网络进行训练，以确定所述语音神经网络的模型参数，以实现通过所述语音识别模型对使用环境中的不同语音信息进行处理。

2.根据权利要求1所述的方法，其特征在于，所述基于文本的目标类型对所述待识别音频信息对应的标注文本信息进行预处理，包括：

对所述待识别音频信息对应的标注文本信息进行遍历，将格式为中文繁体的标注文本信息转换为中文简体的标注文本信息；

删除所述标注文本信息中多余空格和所有标点信息；

当所述文本的目标类型为数字类型时，保留所述标注文本信息中的数字类型文本信息，以及与所述数字类型标注文本信息相连接的国际单位制缩写信息；

通过分词处理进程，利用触发的分词库单词词典对所述标注文本信息进行分词处理，形成不同的词语级特征向量。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标类型的文本信息，在第一发音词典中添加所述目标类型的文本信息对应的发音，形成第二发音词典，包括：

基于所述目标类型的文本信息，确定与所述目标类型的文本信息相匹配的发音规则；

基于所述发音规则，生成与所述目标类型的文本信息对应的所有目标类型的文本信息的发音；

将所述目标类型的文本信息对应的所有目标类型的文本信息的发音添加至所述第一发音词典中，形成第二发音词典。

4.根据权利要求3所述的方法，其特征在于，所述基于所述目标类型的文本信息，确定与所述目标类型的文本信息相匹配的发音规则，包括：

当所述文本的目标类型为数字类型时，通过数字类型的正则匹配，确定所述标注文本信息中的数字类型标注文本信息；

基于所述数字类型的正则表达式，确定所述数字类型标注文本信息所归属的子类型；

根据所述数字类型标注文本信息所归属的子类型，确定与所述目标类型的文本信息相匹配的发音规则，其中所述发音规则包括所述数字类型标注文本信息所有相匹配的发音组合。

5.根据权利要求1所述的方法，其特征在于，所述根据所述待识别音频信息对应的标注文本信息，以及与所述标注文本信息相匹配的发音序列，确定训练样本集合，包括：

确定所述标注文本信息相匹配的发音序列中，不同标注文本信息的所有发音；

基于所述待识别音频信息对应的标注文本信息，以及不同标注文本信息的所有发音，形成相应的训练样本对，其中，一个训练样本对包括一个标注文本信息和一个标注文本信息的发音。

6.根据权利要求1所述的方法，其特征在于，所述通过所述训练样本集合对所述语音识别模型中的声学神经网络进行训练，以确定所述声学神经网络的模型参数，包括：

确定与所述语音识别模型的使用环境相匹配的动态噪声阈值；

根据所述动态噪声阈值对所述训练样本集合进行去噪处理，以形成与所述动态噪声阈值相匹配的第二训练样本集合，或者

确定与所述语音识别模型相对应的固定噪声阈值；

根据所述固定噪声阈值对所述训练样本集合进行去噪处理，以形成与所述固定噪声阈值相匹配的第二训练样本集合；

通过所述第二训练样本集合对所述语音识别模型中的声学神经网络进行训练，以确定所述声学神经网络的模型参数。