[发明专利]语音识别方法和电子设备、存储装置

权利要求书

1.一种语音识别方法，其特征在于，包括：

获取语音识别场景下采集到的原始音频和与所述语音识别场景相关的第一参考列表；

对所述原始音频进行初始识别，得到初始识别文本；

从所述第一参考列表中，筛选与所述初始识别文本满足第一预设条件的参考词语，得到第二参考列表；

每次识别时，对所述第二参考列表中的参考词语进行编码，得到对应所述参考词语的第一编码表示，并基于第一注意力机制，利用所述第一编码表示，得到所述参考词语的第一注意力权重，作为对应所述参考词语的重要度，以及选择所述重要度满足第二预设条件的参考词语；

基于第二注意力机制，利用选择的参考词语的第一编码表示，得到选择的参考词语的第二注意力权重，利用选择的参考词语的第二注意力权重对对应所述参考词语的第一编码表示进行加权处理，得到选择的参考词语的第一上下文表示，并利用所述第一上下文表示和所述原始音频的第二上下文表示进行解码，得到本次识别对应的词语，以及将若干次识别得到的词语的组合，作为最终识别文本；其中，所述第二上下文表示是利用所述原始音频的音频编码表示得到的。

2.根据权利要求1所述的方法，其特征在于，所述从所述第一参考列表中，筛选与所述初始识别文本满足第一预设条件的参考词语，得到第二参考列表，包括：

获取所述初始识别文本中与所述参考词语匹配的对照词语；

获取所述对照词语和匹配的参考词语之间的发音相似度；

在所述发音相似度满足所述第一预设条件的情况下，将对应的参考词语添加至所述第二参考列表。

3.根据权利要求2所述的方法，其特征在于，所述获取所述对照词语和匹配的参考词语之间的发音相似度，包括：

将所述参考词语中的第一文字和与所述参考词语匹配的对照词语中的第二文字进行对齐处理；

分别获取所述第一文字的特征表示和所述第二文字的特征表示；

利用所述第一文字的特征表示和与所述第一文字对齐的第二文字的特征表示，获取所述对照词语和匹配的参考词语之间的发音相似度。

4.根据权利要求2所述的方法，其特征在于，所述第一预设条件包括以下任一者：所述发音相似度大于预设相似度阈值，所述发音相似度按照由大到小排序后位于第一预设序位之前。

5.根据权利要求4所述的方法，其特征在于，在所述第一预设条件为所述发音相似度大于所述预设相似度阈值的情况下，所述方法还包括：

在不存在满足所述第一预设条件的发音相似度情况下，将所述第二参考列表设置为不包含任何参考词语的空列表。

6.根据权利要求1所述的方法，其特征在于，所述基于第一注意力机制，利用所述第一编码表示，得到所述参考词语的第一注意力权重，作为对应所述参考词语的重要度，包括：

基于所述第一注意力机制，利用所述参考词语的第一编码表示和用于表示无参考词语的第二编码表示，得到所述参考词语和所述无参考词语的第一注意力权重，分别作为对应所述参考词语的重要度和所述无参考词语的重要度；

所述基于第二注意力机制，利用选择的参考词语的第一编码表示，得到选择的参考词语的第二注意力权重，包括：

在所述无参考词语的重要度满足所述第二预设条件的情况下，基于所述第二注意力机制，利用选择的参考词语的第一编码表示和所述无参考词语的第二编码表示，得到选择的参考词语和所述无参考词语的第三注意力权重；

将选择的参考词语的第三注意力权重作为对应所述参考词语的第二注意力权重，并将所述无参考词语的第三注意力权重和预设缩放系数的乘积，作为所述无参考词语的第二注意力权重；

所述利用选择的参考词语的第二注意力权重对对应所述参考词语的第一编码表示进行加权处理，得到选择的参考词语的第一上下文表示，包括：

利用选择的参考词语和所述无参考词语的第二注意力权重，分别对对应所述参考词语的第一编码表示和所述无参考词语的第二编码表示进行加权处理，得到所述第一上下文表示。