一种语音识别方法、装置、存储介质及设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116013261A(43)申请公布日2023.04.25(21)申请号202211739937.1(22)申请日2022.12.31(71)申请人科大讯飞股份有限公司地址230088安徽省合肥市高新区望江西路666号(72)发明人吴华鑫刘迪源潘嘉刘庆峰(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师高雪(51)Int.Cl.G10L15/02(2006.01)G10L15/26(2006.01)G10L15/187(2013.01)权利要求书2页说明书12页附图3页(54)发明名称一种语音识别方法、装置、存储介质及设备(57)摘要本申请公开了一种语音识别方法、装置、存储介质及设备，该方法包括：首先生成目标语音的音频特征，然后将其输入至预先构建的语音识别模型，识别得到目标语音的音素识别结果和初始文本识别结果中的第一实体词汇及其位置信息；接着利用预先构建的领域专业实体词汇列表，对目标语音的音素识别结果进行解码，得到第二实体词汇；确定第一实体词汇和第二实体词汇各自对应的相似实体词汇，并利用预设的语言模型对这些相似实体词汇、第一实体词汇、第二实体词汇进行打分，得到打分结果；再根据打分结果，判断是否需要利用第二实体词汇或任一相似实体词汇对第一实体词汇进行纠错处理，若是，则在纠错后确定目标语音的最终识别结果，以提高语音识别效果。CN116013261ACN116013261A权利要求书1/2页1.一种语音识别方法，其特征在于，包括：获取待识别的目标语音，并生成所述目标语音的音频特征；将所述目标语音的音频特征输入至预先构建的语音识别模型，识别得到所述目标语音的音素识别结果和初始文本识别结果中的第一实体词汇及其位置信息；利用预先构建的领域专业实体词汇列表，对所述目标语音的音素识别结果进行解码，得到第二实体词汇；确定所述第一实体词汇和第二实体词汇各自对应的相似实体词汇，并利用预设的语言模型对所述第一实体词汇、第二实体词汇以及所述第一实体词汇和第二实体词汇各自对应的相似实体词汇进行打分，得到打分结果；根据所述打分结果，判断是否需要利用第二实体词汇或所述第一实体词汇和第二实体词汇各自对应的相似实体词汇对所述第一实体词汇进行纠错处理，若是，则根据得到的纠错结果，确定所述目标语音对应的最终识别结果。2.根据权利要求1所述的方法，其特征在于，所述目标语音的音频特征为所述目标语音的幅度谱特征。3.根据权利要求1所述的方法，其特征在于，所述语音识别模型包括编码层、音素识别层、解码层和文本实体词汇检测层；所述将所述目标语音的音频特征输入至预先构建的语音识别模型，识别得到所述目标语音的音素识别结果和初始文本识别结果中的第一实体词汇及其位置信息，包括：将所述目标语音的音频特征输入所述语音识别模型的编码层进行编码处理，得到所述目标语音的高维语音表征向量；将所述目标语音的高维语音表征向量输入所述语音识别模型的音素识别层进行识别处理，得到所述目标语音的音素识别结果；将所述目标语音的高维语音表征向量输入所述语音识别模型的解码层进行解码处理，得到所述目标语音的初始文本识别结果；将所述目标语音的初始文本识别结果输入所述语音识别模型的文本实体词汇检测层进行检测处理，得到所述初始文本识别结果中的第一实体词汇及其位置信息。4.根据权利要求1所述的方法，其特征在于，所述识别得到所述目标语音的音素识别结果和初始文本识别结果中的第一实体词汇及其位置信息之后，所述方法还包括：根据所述第一实体词汇的位置信息和所述第一实体词汇的标记符号，确定所述目标语音所属的目标领域分类。5.根据权利要求4所述的方法，其特征在于，所述利用预先构建的领域专业实体词汇列表，对所述目标语音的音素识别结果进行解码，得到第二实体词汇，包括：将所述目标领域分类的领域专业实体词汇与所述目标语音的音素识别结果进行对齐处理，得到所述音素识别结果中所述第一实体词汇对应的发音序列；将预先构建的所述目标领域分类的领域专业实体词汇列表打包成解码资源；并利用所述解码资源，对所述第一实体词汇对应的发音序列进行解码，得到第二实体词汇。6.根据权利要求1所述的方法，其特征在于，所述确定所述第一实体词汇和第二实体词汇各自对应的相似实体词汇，包括：对所述第一实体词汇和第二实体词汇分别进行相似音的拓展，并根据拓展结果确定第2CN116013261A权利要求书2/2页一实体词汇和第二实体词汇各自对应的相似实体词汇。7.根据权利要求1‑6任一项所述的方法，其特征在于，所述根据所述打分结果，判断是否需要利用第二实体词汇或所述第一实体词汇和第二实体词汇各自对应的相似实体词汇对所述第一实体词汇进行纠错处理，若是，则根据得到的纠错结果，确定所述目标语音对应的最终识别结果，包括