[发明专利]一种语音识别方法及装置

说明书

本申请公开了一种语音识别方法及装置，用以增强语音识别模型的鲁棒性。本申请提供的一种语音识别方法，包括：对预先确定的房间脉冲响应RIR数据进行掩蔽；将掩蔽后的RIR数据与原始语音数据进行卷积，得到新的语音数据；利用所述新的语音数据训练语音识别模型。

技术领域

本申请涉及信息技术领域，尤其涉及一种语音识别方法及装置。

背景技术

目前的语音识别技术主要依赖于基于深度学习的算法，为了得到高识别率的语音识别模型，需要大量的与真实场景相匹配的语音数据，其中房间混响以及说话人与麦克风的距离角度等是影响语音识别模型性能的重要因素之一，然而有遮挡、异形房间的混响很难用算法仿真，例如说话人在餐厅，而麦克风在客厅，或者说话人背对麦克风，说话人与麦克风之间存在遮挡等情况下识别率会明显降低，而混响数据又很难大量的采集，无法做到对这些情况海量的数据覆盖。

发明内容

本申请实施例提供了一种语音识别方法及装置，用以增强语音识别模型的鲁棒性。

本申请实施例提供的一种语音识别方法包括：

对预先确定的房间脉冲响应RIR数据进行掩蔽；

将掩蔽后的RIR数据与原始语音数据进行卷积，得到新的语音数据；

利用所述新的语音数据训练语音识别模型。

通过该方法，对预先确定的房间脉冲响应RIR数据进行掩蔽；将掩蔽后的RIR数据与原始语音数据进行卷积，得到新的语音数据；利用所述新的语音数据训练语音识别模型，从而增强了语音识别模型的鲁棒性，提升了语音识别模型在房间有遮挡及多角度等情况下的语音识别率，简单、高效、适用性强。

可选地，对预先确定的房间脉冲响应RIR数据进行掩蔽，具体包括：

确定对所述RIR数据进行掩蔽的时间段；

将所述时间段的RIR数据，替换为预设值。

可选地，所述预设值为零，或者为所述RIR数据中的一部分RIR数据的平均值，或者为随机数。

可选地，所述时间段的RIR数据，包括所述RIR数据中的一段时间或多段时间的RIR数据。

可选地，所述时间段的起始位置包括从0开始的预设范围内的随机值。

可选地，所述时间段的时长包括从0开始的预设范围内的随机值。

可选地，所述RIR数据是预先模拟生成的，或者是在真实场景中采集得到的。

本申请实施例提供的一种语音识别装置，包括：

第一单元，用于对预先确定的房间脉冲响应RIR数据进行掩蔽；

第二单元，用于将掩蔽后的RIR数据与原始语音数据进行卷积，得到新的语音数据；

第三单元，用于利用所述新的语音数据训练语音识别模型。

本申请另一实施例提供了一种计算设备，其包括存储器和处理器，其中，所述存储器用于存储程序指令，所述处理器用于调用所述存储器中存储的程序指令，按照获得的程序执行上述任一种方法。

本申请另一实施例提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使所述计算机执行上述任一种方法。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的RIR数据示意图；