[发明专利]语音识别方法、装置、设备及存储介质

权利要求书

1.一种语音识别方法，其特征在于，包括：

对待识别的语音数据进行预处理，以确定所述语音数据对应的语音特征参数；

利用预先训练生成的风格识别模型，对所述语音特征参数进行识别，以确定所述语音数据对应的风格特征向量；

基于所述风格特征向量，利用预先训练生成的语音识别模型对所述语音数据进行识别，以生成所述语音数据对应的识别结果。

2.如权利要求1所述的方法，其特征在于，所述基于所述风格特征向量，利用预先训练生成的语音识别模型对所述语音数据进行识别，以生成所述语音数据对应的识别结果，包括：

按照预设的规则，将所述风格特征向量与所述语音特征参数进行融合，以生成待识别的向量；

利用所述语音识别模型对所述向量进行识别，以生成所述语音数据对应的识别结果。

3.如权利要求1所述的方法，其特征在于，所述基于所述风格特征向量，利用预先训练生成的语音识别模型对所述语音数据进行识别，以生成所述语音数据对应的识别结果，包括：

利用所述语音识别模型中的编码器对所述语音特征参数进行编码处理，以生成所述语音数据对应的音频向量；

按照预设的规则，将所述风格特征向量与所述音频向量进行融合，以生成第一向量；

利用所述语音识别模型中的识别模块对所述第一向量进行识别，以生成所述语音数据对应的识别结果。

4.如权利要求1所述的方法，所述基于所述风格特征向量，利用预先训练生成的语音识别模型对所述语音数据进行识别，以生成所述语音数据对应的识别结果，包括：

按照预设的规则，将所述风格特征向量与所述语音识别模型中编码器中的任一隐状态层输出的隐状态向量进行融合，以生成第二向量；

利用所述编码器中的剩余层对所述第二向量进行编码，以获取第三向量；

利用所述语音识别模型中的识别模块对所述第三向量进行识别，以生成所述语音数据对应的识别结果。

5.如权利要求2-4任一所述的方法，其特征在于，所述风格特征向量中包含的第一子向量数量为1、且所述第一子向量的维度与待融合的语音特征参数对应的音频向量中第二子向量的维度相同，所述预设的规则，包括以下任一项：

将所述风格特征向量置于所述待融合的音频向量之后；

将所述风格特征向量置于所述待融合的音频向量中每个第二子向量之后；

将所述风格特征向量与所述待融合的音频向量中每个第二子向量进行拼接；以及，

将所述风格特征向量与所述待融合的音频向量中每个第二子向量进行相加。

6.如权利要求2-4任一所述的方法，其特征在于，所述风格特征向量中包含的第一子向量与待融合的音频向量中包含的第二子向量数量相同、且所述第一子向量的维度与所述第二子向量的维度相同，所述预设的规则，包括以下任一项：

将所述风格特征向量置于所述待融合的音频向量之后；

将每个所述第一子向量分别置于对应第二子向量之后；

将每个所述第一子向量分别与对应的第二子向量进行拼接；以及，

将每个所述第一子向量分别与对应的第二子向量进行相加。

7.如权利要求2-4任一所述的方法，其特征在于，所述风格特征向量的维度与待融合的音频向量的维度不同，所述预设的规则为：将所述风格特征向量与所述音频向量进行拼接。

8.一种语音识别装置，其特征在于，包括：

第一确定模块，用于对待识别的语音数据进行预处理，以确定所述语音数据对应的语音特征参数；

第二确定模块利用预先训练生成的风格识别模型，对所述语音特征参数进行识别，以确定所述语音数据对应的风格特征向量；

识别模块，用于基于所述风格特征向量，利用预先训练生成的语音识别模型对所述语音数据进行识别，以生成所述语音数据对应的识别结果。