[发明专利]语音识别模型的训练方法、装置、设备以及存储介质

权利要求书

1.一种语音识别模型的训练方法，其特征在于，包括：

将样本语音特征输入至初始模型的编码网络，得到声学编码特征，并根据所述声学编码特征和样本语音特征的特征监督数据，确定编码损失；

将所述声学编码特征输入至所述初始模型的解码网络，得到语音识别内容，并根据所述语音识别内容、样本语音特征的内容监督数据、以及所述声学编码特征，确定识别损失；

根据所述编码损失和所述识别损失，确定所述初始模型的总损失；

根据所述总损失，对所述初始模型进行训练，得到目标语音识别模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述声学编码特征和样本语音特征的特征监督数据，确定编码损失，包括：

将所述声学编码特征采用深度神经网络进行处理，得到对齐损失；

根据所述声学编码特征和样本语音特征的特征监督数据，确定互信息损失；

根据所述对齐损失和所述互信息损失，确定编码损失。

3.根据权利要求2所述的方法，其特征在于，所述根据所述语音识别内容、样本语音特征的内容监督数据、以及所述声学编码特征，确定识别损失，包括：

基于注意力机制，根据述语音识别内容、样本语音特征的内容监督数据、以及所述声学编码特征，确定识别损失。

4.根据权利要求1所述的方法，其特征在于，所述根据所述编码损失和所述识别损失，确定所述初始模型的总损失，包括：

对所述编码损失和所述识别损失进行加权处理，得到所述初始模型的总损失。

5.根据权利要求1所述的方法，其特征在于，还包括：

对语音样本数据进行梅尔倒谱分析处理，得到样本语音特征。

6.根据权利要求5所述的方法，其特征在于，还包括：

对原始语音数据进行清洗和/或增强处理，得到语音样本数据。

7.一种语音识别方法，其特征在于，包括：

获取目标语音数据，对所述目标语音数据进行梅尔倒谱分析处理，得到目标语音特征；

将所述目标语音特征输入至目标语音识别模型中，得到目标语音内容；其中，所述目标语音识别模型是通过如权利要求1-6任一项所述的语音识别模型的训练方法训练得到的。

8.一种语音识别模型的训练装置，其特征在于，包括：

编码损失确定模块，用于将样本语音特征输入至初始模型的编码网络，得到声学编码特征，并根据所述声学编码特征和样本语音特征的特征监督数据，确定编码损失；

识别损失确定模块，用于将所述声学编码特征输入至所述初始模型的解码网络，得到语音识别内容，并根据所述语音识别内容、样本语音特征的内容监督数据、以及所述声学编码特征，确定识别损失；

总损失确定模块，用于根据所述编码损失和所述识别损失，确定所述初始模型的总损失；

识别模型确定模块，用于根据所述总损失，对所述初始模型进行训练，得到目标语音识别模型。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的语音识别模型的训练方法或者如权利要求7中所述的语音识别方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的语音识别模型的训练方法或者如权利要求7中所述的语音识别方法。