[发明专利]基于元学习的自适应语音识别方法、装置、设备及介质

权利要求书

1.一种基于元学习的自适应语音识别方法，其特征在于，包括：

利用预处理后的样本语音数据训练语音识别模型以及元学习适应模型；

基于所述元学习适应模型，将所述语音识别模型的初始模型参数调整为与目标语音类型匹配的目标模型参数；

利用配置有所述目标模型参数的语音识别模型识别所述目标语音类型下的目标语音。

2.根据权利要求1所述的方法，其特征在于，所述利用预处理后的样本语音数据训练语音识别模型以及元学习适应模型，具体包括：

对样本语音数据进行预处理，并标记所述样本语音数据对应的第一语音特征以及第一文本特征，所述预处理至少包括预加重处理、分帧处理、加窗处理；

基于所述第一语音特征和所述第一文本特征训练符合第一训练标准的语音识别模型；

利用所述样本语音数据以及所述语音识别模型，训练符合第二训练标准的元学习适应模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一语音特征和所述第一文本特征训练符合第一训练标准的语音识别模型，具体包括：

将所述第一语音特征输入所述语音识别模型，获取文本输出结果；

依据所述文本输出结果与所述第一文本特征计算第一损失函数；

若确定所述第一损失函数小于第一预设阈值，则判定所述语音识别模型符合第一训练标准；

所述利用所述样本语音数据以及所述语音识别模型，训练符合第二训练标准的元学习适应模型，具体包括：

将所述样本语音数据划分为预设数量个数据块，并提取各个所述数据块的第二语音特征和第二文本特征；

依据所述第二语音特征、所述第二文本特征以及所述语音识别模型，训练符合第二训练标准的元学习适应模型。

4.根据权利要求3所述的方法，其特征在于，所述依据所述第二语音特征、所述第二文本特征以及所述语音识别模型，训练符合第二训练标准的元学习适应模型，具体包括：

提取所述语音识别模型的初始模型参数；

若判定当前数据块为划分的第一个数据块，则依据所述初始模型参数以及当前数据块的第二语音特征和第二文本特征，计算所述元学习适应模型在第一个数据块中的损失值、损失梯度以及新模型参数；

若判定当前数据块非所述第一个数据块，则依据前一数据块的新模型参数和当前数据块的第二语音特征和第二文本特征，计算所述元学习适应模型在当前数据块中的损失值、损失梯度以及新模型参数；

若判定所有数据块均完成训练，则利用各个数据块计算得到的损失值、损失梯度以及新模型参数确定所述元学习适应模型的第二损失函数；

若确定所述第二损失函数小于第二预设阈值，则判定所述元学习适应模型符合第二训练标准。

5.根据权利要求4所述的方法，其特征在于，所述第二损失函数计算公式的特征描述为：

其中，J为所述第二损失函数，y_c+1为c+1数据块的第二文本特征，x_c+1为c+1数据块的第二语音特征，θ′为元学习适应模型在c数据块计算出的新模型参数，L(y_c+1,f(x_c+1；θ′))为元学习适应模型在c+1数据块计算出的损失值。

6.根据权利要求5所述的方法，其特征在于，所述基于所述元学习适应模型，将所述语音识别模型的初始模型参数调整为与目标语音类型匹配的目标模型参数，具体包括：

提取与目标语音类型匹配的适应语音数据；

将所述语音识别模型的初始模型参数和所述适应语音数据输入所述元学习适应模型中，获取与所述目标语音类型匹配的目标模型参数。

7.根据权利要求6所述的方法，其特征在于，所述利用配置有所述目标模型参数的语音识别模型识别所述目标语音类型下的目标语音，具体包括：

将所述语音识别模型的初始模型参数更新为所述目标模型参数，以便利用更新后的语音识别模型识别所述目标语音类型下的目标语音。