[发明专利]流式语音识别模型的训练方法、装置、设备和存储介质在审
申请号: | 202210449547.4 | 申请日: | 2022-04-26 |
公开(公告)号: | CN114898742A | 公开(公告)日: | 2022-08-12 |
发明(设计)人: | 张睿卿;何中军;吴华 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G10L15/06 | 分类号: | G10L15/06;G10L15/183;G10L15/02;G10L15/28;G10L15/30;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: | 岳凤羽 |
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 模型 训练 方法 装置 设备 存储 介质 | ||
本公开提供了一种流式语音识别模型的训练方法、装置、设备和存储介质,涉及计算机技术领域,具体涉及语音识别、深度学习等人工智能领域。流式语音识别模型的训练方法包括:基于整条语音样本,获取当前时刻的前缀语音信号;采用潜在特征提取模型,对输入的所述当前时刻的前缀语音信号进行特征提取处理;对潜在特征进行掩码处理,以获得掩码后的潜在特征;采用所述上下文特征提取模型,对输入的所述掩码后的潜在特征进行特征提取处理;基于所述上下文特征,构建损失函数;基于所述损失函数,调整所述潜在特征提取模型的模型参数和所述上下文特征提取模型的模型参数。本公开可以提高语音识别准确度。
技术领域
本公开涉及计算机技术领域,具体涉及语音识别、深度学习等人工智能领域,尤其涉及一种流式语音识别模型的训练方法、装置、设备和存储介质。
背景技术
语音识别是指将语音转换为文本。语音识别可以分为流式语音识别和非流式语音识别。非流式语音识别是等待整条语音输入后再进行语音识别,一次性输出整条语音输入对应的文本。流式语音识别是实时对输入的语音进行语音识别,实时输出语音识别结果。
发明内容
本公开提供了一种流式语音识别模型的训练方法、装置、设备和存储介质。
根据本公开的一方面,提供了一种流式语音识别模型的训练方法,所述流式语音识别模型包括潜在特征提取模型和上下文特征提取模型,所述方法包括:基于整条语音样本,获取当前时刻的前缀语音信号,所述当前时刻的前缀语音信号包括:所述整条语音样本中的所述当前时刻之前的语音信号;采用所述潜在特征提取模型,对输入的所述当前时刻的前缀语音信号进行特征提取处理,以输出潜在特征;对所述潜在特征进行掩码处理,以获得掩码后的潜在特征;采用所述上下文特征提取模型,对输入的所述掩码后的潜在特征进行特征提取处理,以输出上下文特征;基于所述上下文特征,构建损失函数;基于所述损失函数,调整所述潜在特征提取模型的模型参数和所述上下文特征提取模型的模型参数。
根据本公开的另一方面,提供了一种流式语音识别模型的训练装置,所述流式语音识别模型包括潜在特征提取模型和上下文特征提取模型,所述装置包括:获取模块,用于基于整条语音样本,获取当前时刻的前缀语音信号,所述当前时刻的前缀语音信号包括:所述整条语音样本中的所述当前时刻之前的语音信号;第一特征提取模块,用于采用所述潜在特征提取模型,对输入的所述当前时刻的前缀语音信号进行特征提取处理,以输出潜在特征;掩码处理模块,用于对所述潜在特征进行掩码处理,以获得掩码后的潜在特征;第二特征提取模块,用于采用所述上下文特征提取模型,对输入的所述掩码后的潜在特征进行特征提取处理,以输出上下文特征;构建模块,用于基于所述上下文特征,构建损失函数;调整模块,用于基于所述损失函数,调整所述潜在特征提取模型的模型参数和所述上下文特征提取模型的模型参数。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
根据本公开的技术方案,可以提高语音识别准确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
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/202210449547.4/2.html,转载请声明来源钻瓜专利网。