[发明专利]语音识别方法、装置、设备及存储介质

说明书

本公开公开了一种语音识别方法、装置、设备及存储介质，涉及计算机技术领域，具体涉及语音技术和深度学习等人工智能技术领域，具体实现方案为：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。由此，在语音识别过程中，通过基于语音识别数据对应的风格特征向量，对语音数据进行识别，从而避免了说话风格对于语音识别的影响，提升了语音识别结果的准确性和可靠性。

技术领域

本公开涉及计算机技术领域，具体涉及语音技术和深度学习等人工智能技术领域，尤其涉及一种语音识别方法、装置、设备及存储介质。

背景技术

随着互联网技术蓬勃发展，短视频、在线教育等新兴产业为经济发展注入新活力。语音识别技术，作为各个产业的基础服务，在互联网新业务领域具备广阔的应用前景。

因而，如何提升语音识别的准确性是当前亟需解决的问题。

发明内容

本公开提供了一种语音识别方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种语音识别方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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；