[发明专利]一种语音识别文本的处理方法、装置、设备及存储介质

说明书

本申请实施例公开了一种语音识别文本的处理方法、装置、设备及存储介质，相关实施例可应用于人工智能、地图、智能交通等各种场景，用于提高对语音识别文本的纠错准确率。该方法包括：对原始语音进行向量转换，得到音频编码向量，对语音识别文本中的每个文本单元进行向量转换，得到每个文本单元对应的文本编码向量，对音频编码向量以及第i个文本编码向量采用注意力机制，得到交互后的第i个文本单元的融合向量，将第i个文本单元的融合向量与第i‑1个目标文本单元对应的文本向量输入至文本纠错网络，通过文本纠错网络输出第i个文本单元的融合向量对应的文本概率分布，基于第i个文本单元的融合向量对应的文本概率分布，确定第i个目标文本单元。

技术领域

本申请实施例涉及人工智能技术领域，尤其涉及一种语音识别文本的处理方法、装置、设备及存储介质。

背景技术

自动语音识别(Automatic Speech Recognition，ASR)是利用计算机将音频转化为文本的过程。

随着信息技术和人工智能的不断发展，目前ASR仍然存在过高的错词率(WordError Rate，WER)。传统的方案一般采用ASR识别的文本与实际人工转写构成文本对训练数据，构建序列到序列的模型，以ASR识别的错误文本作为模型的输入，对ASR识别的错误文本进行纠错，输出纠正后的文本。

但是，这种纠错模型一般是基于ASR识别的文本与实际人工转写构成的文本对，学习ASR识别错误的固定模式，学习文本相关的错误模式，使得在实际对ASR识别的文本进行纠错的过程中，只能识别出特定文本模式的错误，而对于一些模式不固定错误如发音相近等往往不能有效处理，从而导致对ASR识别的文本进行纠错的准确率不高。

发明内容

本申请实施例提供了一种语音识别文本的处理方法、装置、设备及存储介质，用于通过对音频编码向量以及文本编码向量采用注意力机制获取融合向量，来增加语音辅助识别文本单元，然后通过文本纠错网络对融合向量进行识别，能够更好地对语音识别文本中的每个文本单元进行预测并纠错，从而提高对ASR识别出的语音识别文本进行纠错的准确率。

本申请实施例一方面提供了一种语音识别文本的处理方法，包括：

获取与原始语音相对应的语音识别文本；

对原始语音进行向量转换，得到音频编码向量；

对语音识别文本中的每个文本单元进行向量转换，得到每个文本单元对应的文本编码向量；

对音频编码向量以及第i个文本编码向量采用注意力机制，得到交互后的第i个文本单元的融合向量，其中，i为大于或等于1的整数；

将第i个文本单元的融合向量与第i-1个目标文本单元对应的文本向量输入至文本纠错网络，通过文本纠错网络输出第i个文本单元的融合向量对应的文本概率分布；

基于第i个文本单元的融合向量对应的文本概率分布，确定第i个目标文本单元。

本申请另一方面提供了一种语音识别文本的处理装置，包括：

获取单元，用于获取与原始语音相对应的语音识别文本；

处理单元，用于对原始语音进行向量转换，得到音频编码向量；

处理单元，还用于对语音识别文本中的每个文本单元进行向量转换，得到每个文本单元对应的文本编码向量；

处理单元，还用于对音频编码向量以及第i个文本编码向量采用注意力机制，得到交互后的第i个文本单元的融合向量，其中，i为大于或等于1的整数；

处理单元，还用于将第i个文本单元的融合向量与第i-1个目标文本单元对应的文本向量输入至文本纠错网络，通过文本纠错网络输出第i个文本单元的融合向量对应的文本概率分布；