[发明专利]一种时域单通道多说话人语音识别方法与系统有效
| 申请号： | 202010061565.6 | 申请日： | 2020-01-19 |
| 公开（公告）号： | CN111243579B | 公开（公告）日： | 2022-10-14 |
| 发明（设计）人： | 黄露;杨毅;孙甲松 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G10L15/16 | 分类号： | G10L15/16;G10L15/02;G10L21/0208 |
| 代理公司： | 西安智大知识产权代理事务所 61215 | 代理人： | 段俊涛 |
| 地址： | 100084 北京市海淀区1*** | 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： | 一种时域单通道多说话人语音识别方法，输入是混合语音信号的原始波形采样，先通过一维卷积网络提取特征，然后送入分离网络进行语音分离；分离后的输出分别送入两个全连接层，输出两个声学状态分布向量；随后采用强制对齐方法，从已有的目标语音标注中获得相应的标注信息，通过交叉打分和阈值选择的方式计算两种排序下较小的一个声学建模单元概率分布误差作为神经网络反向传播的误差，构建含有时域单通道多说话人语音识别模型，利用该模型即可实现多说话人语音识别，本发明还提供了一种通过阈值设置来减少1/4～1/2误差计算量的打分算法以加速交叉打分过程。在测试时，将神经网络两个输出的概率向量对数值送入语音识别解码器，即可获得两个人的识别文本。 | ||
| 搜索关键词： | 一种 时域 通道 说话 人语 识别 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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清华大学，未经清华大学许可，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/patent/202010061565.6/，转载请声明来源钻瓜专利网。
