[发明专利]语音识别方法、系统及终端

权利要求书

1.一种语音识别方法，包括：

接收待识别语音；

对所述待识别语音进行声学特征提取并进行编码；

使用拼音解码器对经编码的声学特征进行解码以输出拼音；以及

使用汉字解码器对经编码的声学特征进行解码以输出汉字，其中将所述拼音解码器输出的拼音通过嵌入叠加在输入给所述汉字解码器的经编码的声学特征上，

其中所述方法进一步包括：

对所述拼音解码器的性能进行评估；以及

在所述拼音解码器的性能被评估为满足要求之前，至少部分地使用与所述声学特征对应的真实拼音代替所述拼音解码器输出的拼音。

2.如权利要求1所述的方法，其中所述拼音解码器和所述汉字解码器作为一个整体端对端地训练而成。

3.如权利要求1所述的方法，其中对所述拼音解码器的性能进行评估进一步包括：

将从字典获取的拼音与所述经训练的拼音解码器的相应输出结果进行对照；以及

如果从字典获取的拼音在所述拼音解码器所输出的多个候选结果中的排序处于概率最高的前阈值数量个候选结果之内，则将所述拼音解码器的性能评估为满足要求。

4.如权利要求1所述的方法，其中使用与所述声学特征对应的真实拼音代替所述拼音解码器输出的拼音进一步包括：

对用于训练的语料音频文本对执行对齐，以逐汉字地对音频划界并与文本中的对应汉字对齐；

通过查字典获取与文本中的汉字对应的真实拼音；以及

将所获取的真实拼音通过嵌入叠加在输入给所述汉字解码器的对应的经编码的声学特征上。

5.如权利要求1所述的方法，其中所述方法进一步包括：

在所述拼音解码器的性能满足要求之后，在训练所述汉字解码器时将部分从字典获取的拼音替换为由所述拼音解码器输出的拼音。

6.如权利要求1所述的方法，其中将拼音通过嵌入叠加在输入给所述汉字解码器的经编码的声学特征上进一步包括：

将拼音转换成one-hot编码；以及

将与汉字对应的one-hot编码叠加在输入给所述汉字解码器的经编码的声学特征上。

7.如权利要求1所述的方法，其中使用汉字解码器对经编码的声学特征进行解码以输出汉字进一步包括：

在汉字解码器的输出结果中，针对相似发音进行概率平滑。

8.如权利要求1所述的方法，其中所述拼音被进一步拆分为声母和韵母。

9.一种语音识别系统，包括：

接收模块，所述接收模块被配置成接收待识别语音；

特征提取模块，所述特征提取模块被配置成对所述待识别语音进行声学特征提取并进行编码；

拼音解码器，所述拼音解码器被配置成对经编码的声学特征进行解码以输出拼音，其中在所述拼音解码器的性能被评估为满足要求之前，至少部分地使用与所述声学特征对应的真实拼音代替所述拼音解码器输出的拼音；以及

汉字解码器，所述汉字解码器被配置成对经编码的声学特征进行解码以输出汉字，其中将所述拼音解码器输出的拼音通过嵌入叠加在输入给所述汉字解码器的经编码的声学特征上。

10.如权利要求9所述的语音识别系统，其中所述拼音解码器和所述汉字解码器作为一个整体端对端地训练而成。

11.如权利要求9所述的语音识别系统，其中将拼音通过嵌入进一步包括：

将拼音转换为one-hot编码；以及

将与汉字对应的one-hot编码叠加到所述汉字解码器的输入。

12.如权利要求9所述的语音识别系统，其中所述汉字解码器的输出结果中针对相似发音进行概率平滑。

13.如权利要求9所述的语音识别系统，其中所述拼音被进一步拆分为声母和韵母。

14.一种终端，包括：

如权利要求9-13中任意一项所述的语音识别系统。