[发明专利]语音识别及编解码方法、装置、电子设备及存储介质

权利要求书

1.一种语音识别方法，包括：

获取待识别的语音的音频特征；

对所述音频特征进行编码，得到编码特征；

对所述编码特征进行截断处理，得到连续的N个特征片段，N为大于一的正整数；

针对任一特征片段，获取对应的历史特征抽象信息，结合所述历史特征抽象信息，利用第二编码器对所述特征片段进行编码，并利用第一解码器对编码结果进行解码，得到所述特征片段对应的识别结果，其中，所述历史特征抽象信息为对已识别的历史特征片段进行特征抽象得到的信息；

其中，所述第二编码器中包括P层卷积增强的转换器Conformer模型，P为正整数，所述第一解码器的数量为Q个，Q为正整数，Q个第一解码器依次相连；

所述方法还包括：针对任一Conformer模型，分别进行以下处理：利用从任一第一解码器中获取到的隐层特征，对所述Conformer模型中当前处理的特征片段进行特征抽象，得到预定长度的特征向量，将所述特征向量作为所述当前处理的特征片段对应于所述Conformer模型的历史特征向量；

所述获取对应的历史特征抽象信息包括：针对任一Conformer模型，分别将各历史特征片段对应于所述Conformer模型的历史特征向量进行拼接，将拼接结果作为所述历史特征抽象信息。

2.根据权利要求1所述的方法，还包括：

对所述音频特征进行卷积降采样，对降采样后的音频特征进行编码。

3.根据权利要求1所述的方法，还包括：

结合对所述音频特征进行的编码及连接时序分类损失，确定出所述编码特征对应的尖峰信息；

其中，所述对所述编码特征进行截断处理包括：根据所述尖峰信息对所述编码特征进行截断处理。

4.根据权利要求3所述的方法，其中，所述根据所述尖峰信息对所述编码特征进行截断处理包括：

将位于每两个相邻尖峰之间的编码特征分别作为一个特征片段。

5.根据权利要求1～4中任一项所述的方法，其中，所述对所述音频特征进行编码包括：

利用第一编码器对所述音频特征进行编码，所述第一编码器中包括M层因果式卷积增强的转换器Conformer模型，M为正整数，所述因果式Conformer模型中同时融合了基于时间掩码的注意力模型以及因果式卷积模型。

6.一种编解码方法，包括：

获取待处理对象对应的特征，包括：获取所述待处理对象对应的历史特征抽象信息，所述历史特征抽象信息为对历史处理对象进行特征抽象得到的信息；

结合所述对应的特征，利用编码器对所述待处理对象进行编码，得到编码结果；

利用解码器对所述编码结果进行解码，得到所述待处理对象对应的处理结果；

所述方法还包括：利用从所述解码器获取到的隐层特征，对所述待处理对象进行特征抽象，得到预定长度的特征向量，将所述特征向量作为所述待处理对象对应的历史特征向量；

其中，所述获取所述待处理对象对应的历史特征抽象信息包括：分别将各历史处理对象对应的历史特征向量进行拼接，将拼接结果作为所述历史特征抽象信息。

7.根据权利要求6所述的方法，其中，

所述待处理对象包括：对待识别的语音对应的编码特征进行截断处理后得到的连续的N个特征片段中的任一特征片段，N为大于一的正整数，所述编码特征为对所述待识别的语音的音频特征进行编码后得到的特征；

所述处理结果包括：所述特征片段对应的识别结果。