[发明专利]语音识别方法及计算机存储介质

权利要求书

1.一种语音识别方法，包括：

对待识别语音的音频特征数据分别进行语义特征提取和属性特征提取，其中，所述属性特征提取至少包括口音特征提取；

根据所述语义特征提取的结果，获得所述待识别语音的字符信息；

根据所述属性特征提取获得的所述待识别语音的口音特征向量和根据所述字符信息确定的与每个语音字符相匹配的初始向量，生成每个语音字符对应的自适应向量；

从存储有语音属性特征的属性特征库中，获取与所述自适应向量对应的属性特征；

根据所述属性特征和所述初始向量，获得每个语音字符的识别结果。

2.根据权利要求1所述的方法，其中，所述从存储有语音属性特征的属性特征库中，获取与所述自适应向量对应的属性特征，包括：

将所述自适应向量输入存储有语音属性特征的属性特征库中进行匹配，获得相匹配的属性特征，并输出相匹配的属性特征对应的标签同步向量。

3.根据权利要求2所述的方法，其中，所述将所述自适应向量输入存储有语音属性特征的属性特征库中进行匹配，获得相匹配的属性特征，包括：

基于所述自适应向量，通过多头注意力计算从存储有语音属性特征的属性特征库中匹配出与所述自适应向量对应的属性特征。

4.根据权利要求3所述的方法，其中，所述根据所述属性特征提取获得的所述待识别语音的口音特征向量和根据所述字符信息确定的与每个语音字符相匹配的初始向量，生成每个语音字符对应的自适应向量，包括：

针对每个语音字符，基于对所述音频特征数据进行语义特征提取获取的语义特征编码、所述口音特征向量、待识别的语音字符的前一语音字符的字符向量的自注意力计算结果，进行第一自注意力计算；

基于所述第一自注意力计算的计算结果进行第二自注意力计算；

基于所述第二自注意力计算的结果和所述口音特征向量对应的口音特征编码，进行第三自注意力计算；

根据所述第三自注意力计算的结果，预测生成所述待识别的语音字符的自适应向量。

5.根据权利要求1-4任一项所述的方法，其中，所述语音识别方法通过自回归语音识别模型执行；

其中，所述自回归语音识别模型包括：用于对所述待识别语音的音频特征数据进行语义特征提取的语义提取部分、用于基于所述待识别语音生成携带有所述待识别语音的口音特征的自适应向量并获取与所述自适应向量对应的属性特征的自适应部分、用于根据所述属性特征进行所述待识别语音的识别输出的识别输出部分。

6.根据权利要求5所述的方法，其中，

所述语义提取部分包括：用于对所述待识别语音的音频特征数据进行语义特征提取的特征编码器；

所述自适应部分包括：自适应编码器、自适应解码器、自注意力层和标签同步层，其中，所述自适应编码器用于对所述待识别语音的音频特征数据进行属性特征提取，并输出对应的编码向量；所述自适应解码器用于对所述自适应编码器输出的编码向量进行解码并接收所述识别输出部分中的特征解码器输出的初始向量，根据解码结果和所述初始向量生成每个语音字符对应的自适应向量；所述自注意力层用于对所述自适应解码器输出的自适应向量通过自注意力计算从存储有语音属性特征的属性特征库中匹配出与所述自适应向量对应的属性特征；所述标签同步层，用于根据匹配出的属性特征，生成标签同步向量并输入至所述识别输出部分的特征解码器；

所述识别输出部分包括：特征解码器，所述特征解码器用于根据初始向量及每个语音字符对应的标签同步向量，输出每个语音字符的识别结果。

7.根据权利要求1所述的方法，其中，所述属性特征提取还包括所述待识别语音对应的说话人标识提取，相应地，所述属性特征提取获得的结果还包括说话人标识。

8.根据权利要求7所述的方法，其中，所述方法还包括：

根据每个语音字符的识别结果及所述待识别语音对应的说话人标识，关联输出所述说话人标识和所述待识别语音的整体识别结果。