[发明专利]语音识别方法、装置、计算机设备及存储介质

权利要求书

1.一种语音识别方法，其特征在于，包括：

从声学模型中获取待识别语音对应的候选字的概率分数，以及从语言模型中获取各个候选字组成的句子的概率分数；

通过基于端到端CTC框架构建的解码器根据所述候选字的概率分数、所述句子的概率分数解码出所述待识别语音对应的语音识别文本，其中，所述解码器在每一步的解码过程中，根据当前一步的解码过程对应的各个候选字的概率分数与所述当前一步的解码过程之前已解码出的句子组成的新的候选句子的概率分数解码出所述当前一步的解码过程的解码结果。

2.根据权利要求1所述的语音识别方法，其特征在于，所述解码器在每一步的解码过程中，根据当前一步的解码过程对应的各个候选字的概率分数与所述当前一步的解码过程之前已解码出的句子组成的新的候选句子的概率分数解码出所述当前一步的解码过程的解码结果包括：

所述解码器在每一步的解码过程中，从当前一步的解码过程对应的各个候选字的概率分数中选取概率分数值处于K位以内的概率分数对应的候选字，并将选取出的各个候选字与所述当前一步的解码过程之前已解码出的句子组成新的候选句子；

从新的候选句子中选取概率分数值处于M位以内的概率分数对应的句子作为所述当前一步的解码过程的解码结果，其中，K及M为大于1的整数，每一个候选句子的概率分数为选取出的候选字的概率分数及所述已解码出的句子的概率分数的和值。

3.根据权利要求2所述的语音识别方法，其特征在于，所述声学模型为基于端到端CTC框架构建的声学模型，所述方法还包括：

通过所述解码器在解码的过程中，判断所述声学模型输出的所述待识别语音对应的候选字是否为blank标签，若是，则跳过所述blank标签。

4.根据权利要求1所述的语音识别方法，其特征在于，所述从声学模型中获取待识别语音对应的候选字的概率分数，以及从语言模型中获取各个候选字组成的句子的概率分数包括：

对待识别语音进行特征提取处理，得到所述待识别语音的声学特征；

将所述声学特征输入至基于端到端框架构建的声学模型中，通过所述声学模型根据所述声学特征输出所述待识别语音对应的候选字的概率分数；

通过语言模型输出各个候选字组成的句子的概率分数。

5.根据权利要求1所述的语音识别方法，其特征在于，所述方法还包括：

获取业务定制模块存储的热点词语，并将所述热点词语输入至所述解码器；

所述通过基于端到端CTC框架构建的解码器根据所述候选字的概率分数、所述句子的概率分数解码出所述待识别语音对应的语音识别文本包括：

通过所述解码器根据所述候选字的概率分数、所述句子的概率分数及所述热点词语解码出所述待识别语音对应的语音识别文本。

6.根据权利要求5所述的语音识别方法，其特征在于，所述业务定制模块存储有属于预设场景的热点词语，所述通过所述解码器根据所述候选字的概率分数、所述句子的概率分数及所述热点词语解码出所述待识别语音对应的语音识别文本包括：

通过所述解码器根据所述候选字的概率分数、所述句子的概率分数解码出所述待识别语音对应的待纠正识别文本；

通过所述解码器判断所述待纠正识别文本中是否包含有属于预设场景的热点词语；

若所述待纠正识别文本中包含有属于预设场景的热点词语，则采用所述业务定制模块对所述待纠正识别文本进行纠正处理，得到所述语音识别文本。

7.根据权利要求5所述的语音识别方法，其特征在于，所述业务定制模块存储有属于预设领域的热点词语，所述通过所述解码器根据所述候选字的概率分数、所述句子的概率分数及所述热点词语解码出所述待识别语音对应的语音识别文本包括：

通过所述解码器根据所述候选字的概率分数、所述句子的概率分数解码出所述待识别语音对应的待纠正识别文本；

通过所述解码器判断所述待纠正识别文本中是否包含有属于预设领域的热点词语；

若所述待纠正识别文本中包含有属于预设领域的热点词语，则采用所述业务定制模块对所述待纠正识别文本进行纠正处理，得到所述语音识别文本。