[发明专利]音频识别方法、装置、计算机设备及存储介质

说明书

本申请实施例公开了一种音频识别方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：对目标音频数据进行识别，得到多个文本数据中的每个文本数据的第一关联特征；对于每个文本数据，基于该文本数据的第一关联特征和其他文本数据的第一关联特征，确定该文本数据的第一融合特征，第一融合特征与该文本数据的第一关联特征正相关，且与每个文本数据的第一关联特征之和负相关；基于每个文本数据的第一融合特征，在多个文本数据中确定与目标音频数据匹配的目标文本数据。由于考虑的因素较多，因此基于第一融合特征，确定与目标音频数据匹配的目标文本数据，能够提高音频识别的准确性。

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种音频识别方法、装置、计算机设备及存储介质。

背景技术

音频识别技术被广泛应用于人们的日常生活中，音频识别技术是指对音频数据进行识别得到该音频数据对应的文本数据。

相关技术中，在对音频数据进行识别的时候，通常仅根据某一个文本数据本身，来考虑根据该音频数据获取到该文本数据的可能性，从而确定哪个文本数据与该音频数据匹配，由于考虑的因素较少，因此对音频数据进行识别的准确率较低。

发明内容

本申请实施例提供了一种音频识别方法、装置、计算机设备及存储介质，能够提高音频识别的准确性。所述技术方案如下：

一方面，提供了一种音频识别方法，所述方法包括：

对目标音频数据进行识别，得到多个文本数据中的每个所述文本数据的第一关联特征，所述第一关联特征表示所述文本数据与所述目标音频数据之间的关联程度；

对于每个所述文本数据，基于所述文本数据的第一关联特征和其他文本数据的第一关联特征，确定所述文本数据的第一融合特征，所述第一融合特征与所述文本数据的第一关联特征正相关，且与每个所述文本数据的第一关联特征之和负相关；

基于每个所述文本数据的第一融合特征，在多个所述文本数据中确定与所述目标音频数据匹配的目标文本数据。

可选地，所述基于所述第一文本片段，对所述n个音频帧进行识别，得到多个预设文本片段中的每个预设文本片段的n个关联子特征，包括：

基于所述第一文本片段，对所述n个音频帧进行识别，在识别到第二文本片段中的最后一个词语不完整的情况下，确定至少一个候选文本片段，所述候选文本片段包括所述第二文本片段和候选字符，所述候选文本片段中的最后一个词语为完整词语；

确定每个所述候选文本片段的n个候选子特征，所述候选文本片段的第p个候选子特征表示所述候选文本片段与前p个音频帧之间的关联程度；

基于每个所述候选文本片段的n个候选子特征，确定所述第二文本片段的n个关联子特征，其中，所述第二文本片段的第p个关联子特征与每个所述候选文本片段的第p个候选子特征正相关。

可选地，基于前i-1个音频帧和前i-1个音频帧对应的文本片段，对所述第i个音频帧进行识别，得到前i个音频帧对应的第三文本片段的关联子特征，包括：

基于前i-1个音频帧和前i-1个音频帧对应的文本片段，对所述第i个音频帧进行识别，在识别到前i个音频帧对应的第三文本片段中的最后一个词语不完整的情况下，确定至少一个候选文本片段，所述候选文本片段包括所述前i个音频帧对应的第三文本片段和候选字符，所述候选文本片段中的最后一个词语为完整词语；

确定每个所述候选文本片段的候选子特征，所述候选文本片段的候选子特征表示所述候选文本片段与前i个音频帧之间的关联程度；

基于每个所述候选文本片段的候选子特征，确定所述第三文本片段的关联子特征，所述第三文本片段的关联子特征与每个所述候选文本片段的候选子特征正相关。