[发明专利]一种语音识别方法、装置、设备及计算机可读存储介质

说明书

本申请提供了一种语音识别方法、装置、设备及计算机可读存储介质，其中，语音识别方法包括：基于预先建立的语音识别模型，依次获取待识别语音中每个语音帧对应的特征向量；在每获得一语音帧对应的特征向量后，基于语音识别模型、当前获得的特征向量和前一解码位置对应的识别结果，确定当前获得的特征向量处是否为解码位置；若是，则基于语音识别模型、当前获得的特征向量和当前获得的特征向量之前的所有特征向量，确定当前解码位置对应的识别结果。本申请提供的语音识别方法可实现实时流式解码，适用于实时的语音识别应用场景。

技术领域

本申请涉及语音识别技术领域，尤其涉及一种语音识别方法、装置、设备及计算机可读存储介质。

背景技术

语音识别技术为将语音信号转变为相应文本的技术。目前的语音识别方案多为采用语音识别模型的语音识别方案，其中，语音识别模型中基于注意力机制的端到端的语音识别模型效果较佳。

虽然采用基于注意力机制的端到端的语音识别模型的语音识别方案的识别效果较佳，但其需要等待用户说完话后才能开始解码，因此，这种识别方案并不适用于实时的语音识别应用场景。

发明内容

有鉴于此，本申请提供了一种语音识别方法、装置、设备及计算机可读存储介质，用以解决现有的语音识别方案不适用于实时的语音识别应用场景的问题，其技术方案如下：

一种语音识别方法，包括：

基于预先建立的语音识别模型，依次获取待识别语音中每个语音帧对应的特征向量；

在每获得一语音帧对应的特征向量后，基于所述语音识别模型、当前获得的特征向量和前一解码位置对应的识别结果，确定当前获得的特征向量处是否为解码位置；

若是，则基于所述语音识别模型、当前获得的特征向量和当前获得的特征向量之前的所有特征向量，确定当前解码位置对应的识别结果。

可选的，所述基于预先建立的语音识别模型，依次获取待识别语音中每个语音帧对应的特征向量，包括：

依次获取所述待识别语音中每个语音帧对应的语音特征；

在每获得一语音帧对应的语音特征后，将当前获得的语音特征输入所述语音识别模型的语音编码模块进行编码，以得到所述当前获得的语音特征对应的语音帧所对应的特征向量。

可选的，所述基于所述语音识别模型、当前获得的特征向量和前一解码位置对应的识别结果，确定当前获得的特征向量处是否为解码位置，包括：

将前一解码位置对应的识别结果的表征向量输入所述语音识别模型的文本编码模块进行编码，得到前一解码位置对应的识别结果所对应的特征向量；

基于所述语音识别模型的第一注意力模块、当前获得的特征向量以及前一解码位置对应的识别结果所对应的特征向量，预测当前获得的特征向量处是否为解码位置。

可选的，所述基于所述语音识别模型的第一注意力模块、当前获得的特征向量以及前一解码位置对应的识别结果所对应的特征向量，预测当前获得的特征向量处是否为解码位置，包括：

基于所述语音识别模型的第一注意力模块、当前获得的特征向量以及前一解码位置对应的识别结果所对应的特征向量，预测当前获得的特征向量处为解码位置的概率；

若当前获得的特征向量处为解码位置的概率大于或等于预设的概率阈值，则确定当前获得的特征向量处为解码位置，否则，确定当前获得的特征向量处不为解码位置。

可选的，所述基于所述语音识别模型的第一注意力模块、当前获得的特征向量以及前一解码位置对应的识别结果所对应的特征向量，预测当前获得的特征向量处为解码位置的概率，包括：

利用所述语音识别模型的第一注意力模块，确定当前获得的特征向量与前一解码位置对应的识别结果所对应的特征向量的相关度表征值；