[发明专利]一种DNN模型训练方法及语音识别方法、装置

权利要求书

1.一种DNN模型训练方法，其特征在于，包括：

获取训练音频样本对应的语音特征数据及标签序列；

将所述语音特征数据输入DNN模型进行标签预测，确定标签预测路径；

基于所述标签预测路径的概率计算所述DNN模型的模型损失函数值CTC loss；

基于所述标签预测路径分别计算所述训练音频样本中每个音频帧的峰值的位置与其对应的标签序列中心点的距离；

基于所述训练音频样本中每个音频帧的峰值的位置与其对应的标签序列中心点的距离，计算所述DNN模型的峰值损失函数值，通过如下公式计算所述DNN模型的峰值损失函数值：

其中，dist为每条标签路径的平均距离；T表示当前音频序列的总帧数；L_peak为所有路径距离损失的平均值；N表示所述所有标签路径的个数；

基于所述模型损失函数值和所述峰值损失函数值，确定所述DNN模型的总损失函数；

基于所述总损失函数对所述DNN模型进行训练，直至所述DNN模型满足预设训练要求；

所述基于所述训练音频样本中每个音频帧的峰值的位置与其对应的标签序列中心点的距离，计算所述DNN模型的峰值损失函数值，包括：

基于所述训练音频样本中每个音频帧的峰值的位置与其对应的标签序列中心点的距离，计算每条标签路径的平均距离；

基于所述每条标签路径的平均距离，计算所有路径距离损失的平均值；

基于所有路径距离损失的平均值确定所述DNN模型的峰值损失函数值。

2.根据权利要求1所述的方法，其特征在于，所述基于所述标签预测路径的概率计算所述DNN模型的模型损失函数值，包括：

获取当前音频帧对应的各标签预测路径的概率；

基于每条标签预测路径的概率，确定所述当前音频帧对应的总路径的概率；

基于每个音频帧对应的总路径的概率，计算所述DNN模型的模型损失函数值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述标签预测路径分别计算所述训练音频样本中每个音频帧的位置与其对应的标签序列中心点的距离，包括：

基于当前音频帧的语音特征数据计算当前音频帧的峰值并获取所述峰值的位置；

计算与当前音频帧对应的标签序列的中心点位置；

基于所述峰值的位置和所述标签序列的中心点位置，计算所述当前音频帧对应的峰值位置与其对应的标签序列中心点的距离。

4.根据权利要求1所述的方法，其特征在于，所述基于所述峰值损失函数值和所述模型损失函数值确定所述DNN模型的总损失函数，包括：

分别设置所述峰值损失函数和所述模型损失函数的损失影响参数；

基于所述损失影响参数、所述峰值损失函数值和所述模型损失函数值确定所述DNN模型的总损失函数。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述语音特征数据中每个音频帧对应的第一语音特征在标签序列中对应的标签与所述DNN模型进行标签预测的预测标签的关系，计算在有空标签的情况下输出非空标签的概率；

基于在有空标签的情况下输出非空标签的概率，计算所述DNN模型的交叉熵损失。

6.根据权利要求5所述的方法，其特征在于，所述基于所述峰值损失函数值和所述模型损失函数值确定所述DNN模型的总损失函数，还包括：

设置所述DNN模型的交叉熵损失函数、所述峰值损失函数和所述模型损失函数的损失影响参数；

基于所述损失影响参数、所述DNN模型的交叉熵损失函数值、所述峰值损失函数值和所述模型损失函数值确定所述DNN模型的总损失函数。

7.一种语音识别方法，其特征在于，包括：

获取待识别音频数据；

采用如权利要求1-6任一项所述的DNN模型训练方法进行DNN模型训练，得到训练好的DNN模型；

将所述待识别音频数据输入所述训练好的DNN模型进行识别，得到所述待识别音频数据的识别结果。