[发明专利]语音识别和更新方法、装置、设备和存储介质有效
申请号: | 202111313790.5 | 申请日: | 2021-11-08 |
公开(公告)号: | CN114078475B | 公开(公告)日: | 2023-07-25 |
发明(设计)人: | 王常刚;蒋正翔 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G10L15/183 | 分类号: | G10L15/183;G10L15/06;G10L15/26 |
代理公司: | 北京鸿德海业知识产权代理有限公司 11412 | 代理人: | 田宏宾 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 语音 识别 更新 方法 装置 设备 存储 介质 | ||
1.一种语音识别方法,包括:
将语音信号输入声学模型进行处理,以输出所述语音信号的第一发音单元;
将所述第一发音单元输入语言模型进行处理,以输出所述语音信号的第一识别文本;
若所述第一识别文本为错误文本,且达到所述语言模型的更新周期时,将所述第一发音单元和所述语音信号的正确文本作为所述语言模型的训练样本,更新所述语言模型;其中,所述语言模型的更新周期小于所述声学模型的更新周期;所述训练样本中包括多个句子,且所述多个句子中均包括所述正确文本;以及,更新所述语言模型包括:将训练样本中的发音单元输入到所述语言模型中,以获得所述语言模型的输出文本对应的输出概率,基于所述输出概率和所述正确文本对应的先验概率构建损失函数,并基于所述损失函数调整所述语言模型的参数;其中,所述正确文本对应的先验概率是设置的,且大于所述第一发音单元对应的错误文本的先验概率;
基于更新后的语言模型获得测试输出文本,并在测试输出文本与测试正确文本不一致时,建立文本间的映射关系;其中,所述映射关系是识别文本与正确文本之间的映射关系,所述识别文本是所述更新后的语言模型针对输入的发音单元进行处理后获得的,所述正确文本是所述输入的发音单元的正确文本,且所述识别文本与所述正确文本不同;
若再次接收到所述语音信号,将所述语音信号输入所述声学模型进行处理,以输出所述语音信号的第二发音单元;其中,若未达到所述声学模型的更新周期,所述第二发音单元与所述第一发音单元相同;
基于所述第二发音单元和更新后的语言模型,获取所述语音信号的第二识别文本;
将所述第二发音单元输入所述更新后的语言模型进行处理,以获取所述更新后的语言模型的输出文本;
基于所述文本间的映射关系,将所述输出文本映射为所述第二识别文本,以使所述第二识别文本与所述语音信号的正确文本相同。
2.根据权利要求1所述的方法,其中,所述基于所述第二发音单元和更新后的语言模型,获取所述语音信号的第二识别文本,包括:
将所述第二发音单元输入所述更新后的语言模型进行处理,以获取所述更新后的语言模型输出的所述第二识别文本。
3.一种更新方法,包括:
在第一识别文本为错误文本,且达到语言模型的更新周期时,基于训练样本,获取更新后的语言模型,所述训练样本包括语音信号的第一发音单元以及正确文本,所述语音信号为语音识别错误的语音信号;其中,所述第一识别文本是所述语言模型对所述第一发音单元进行处理后得到的,所述第一发音单元是基于声学模型获取的,且所述语言模型的更新周期小于所述声学模型的更新周期;其中,所述训练样本中包括多个句子,且所述多个句子中均包括所述正确文本;以及,更新所述语言模型包括:将训练样本中的发音单元输入到所述语言模型中,以获得所述语言模型的输出文本对应的输出概率,基于所述输出概率和所述正确文本对应的先验概率构建损失函数,并基于所述损失函数调整所述语言模型的参数;其中,所述正确文本对应的先验概率是设置的,且大于所述第一发音单元对应的错误文本的先验概率;
对所述更新后的语言模型进行测试处理,以获取测试输出文本;
基于所述测试输出文本,确定更新后的信息,所述更新后的信息包括:所述更新后的语言模型;
其中,所述测试处理的输入为测试语音信号,所述基于所述测试输出文本,确定更新后的信息,包括:
若所述测试输出文本不是所述测试语音信号的正确文本,建立所述测试输出文本与所述测试语音信号的正确文本之间的文本映射关系,将所述更新后的语言模型和所述文本映射关系作为所述更新后的信息;
所述更新后的信息用于:若再次接收到所述语音信号,将所述语音信号输入所述声学模型进行处理,以输出所述语音信号的第二发音单元;其中,若未达到所述声学模型的更新周期,所述第二发音单元与所述第一发音单元相同;基于所述第二发音单元和更新后的语言模型,获取所述语音信号的第二识别文本;将所述第二发音单元输入所述更新后的语言模型进行处理,以获取所述更新后的语言模型的输出文本;基于所述文本间的映射关系,将所述输出文本映射为所述第二识别文本,以使所述第二识别文本与所述语音信号的正确文本相同。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111313790.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:具有管状提花针织结构的上身服装
- 下一篇:一种有机固废立式搅拌热解气化炉