语音识别的纠错方法、模型训练方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114299956A(43)申请公布日2022.04.08(21)申请号202111413063.6G06F40/295(2020.01)(22)申请日2021.11.25(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦二层(72)发明人张传强张睿卿何中军李芝吴华(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人单冠飞(51)Int.Cl.G10L15/26(2006.01)G10L15/06(2013.01)G10L15/02(2006.01)G10L15/01(2013.01)权利要求书4页说明书14页附图5页(54)发明名称语音识别的纠错方法、模型训练方法及装置(57)摘要本公开提供了一种语音识别的纠错方法、模型训练方法及装置，涉及人工智能技术领域，尤其涉及语音识别、自然语言处理技术领域。具体实现方案为：获取语音信息的原始语音识别结果；识别所述原始语音识别结果中存在目标文本；将所述原始语音识别结果中的所述目标文本替换为预设标签，生成候选语音识别结果；基于所述原始语音识别结果和所述候选语音识别结果，对所述目标文本进行纠错。由此，可基于预设标签实现语音识别结果的自动纠错，适用性好，提高了语音识别的纠错效率和正确率。CN114299956ACN114299956A权利要求书1/4页1.一种语音识别的纠错方法，包括：获取语音信息的原始语音识别结果；识别所述原始语音识别结果中存在目标文本；将所述原始语音识别结果中的所述目标文本替换为预设标签，生成候选语音识别结果；基于所述原始语音识别结果和所述候选语音识别结果，对所述目标文本进行纠错。2.根据权利要求1所述的方法，其中，所述基于所述原始语音识别结果和所述候选语音识别结果，对所述目标文本进行纠错，包括：获取所述目标文本在所述原始语音识别结果中的文本位置；获取所述文本位置处所述目标文本的第一得分和所述预设标签的第二得分，其中，所述第一得分与所述文本位置处为所述目标文本的预测概率正相关，所述第二得分与所述文本位置处为所述预设标签的预测概率正相关；基于所述第一得分和所述第二得分，对所述目标文本进行纠错。3.根据权利要求2所述的方法，其中，所述获取所述文本位置处所述目标文本的第一得分和所述预设标签的第二得分，包括：将所述原始语音识别结果和所述候选语音识别结果输入至目标掩码语言模型MLM，由所述目标掩码语言模型输出所述第一得分和所述第二得分。4.根据权利要求2所述的方法，其中，所述基于所述第一得分和所述第二得分，对所述目标文本进行纠错，包括：识别所述第一得分小于所述第二得分，获取所述目标文本对应的目标参考文本；将所述原始语音识别结果中的所述目标文本替换为所述目标参考文本，生成目标语音识别结果。5.根据权利要求4所述的方法，其中，所述获取所述目标文本对应的目标参考文本，包括：获取参考文本库；获取所述目标文本与参考文本之间的第一相似度，并将最大第一相似度对应的所述参考文本确定为所述目标参考文本。6.根据权利要求2所述的方法，其中，所述方法还包括：识别所述第一得分大于或者等于所述第二得分，将所述原始语音识别结果作为目标语音识别结果。7.根据权利要求1‑6任一项所述的方法，其中，所述方法还包括：获取参考文本库；将所述原始语音识别结果划分为至少一个分词；将所述分词与参考文本进行比对，识别存在与任一参考文本不一致的候选分词；获取所述候选分词与所述参考文本之间的第二相似度，并将所述第二相似度大于第一预设阈值的所述候选分词确定为所述目标文本。8.根据权利要求7所述的方法，其中，所述获取所述候选分词与所述参考文本之间的第二相似度，包括：获取所述候选分词的第一音素特征，以及所述参考文本的第二音素特征；2CN114299956A权利要求书2/4页获取所述第一音素特征和所述第二音素特征之间的第三相似度，并将所述第三相似度作为所述第二相似度。9.一种模型训练方法，包括：获取训练样本，其中，所述训练样本包括样本原始语音识别结果和样本候选语音识别结果，所述样本原始语音识别结果包括样本目标文本，所述训练样本还包括所述样本目标文本的文本标签，所述样本候选语音识别结果为将所述样本原始语音识别结果中的所述样本目标文本替换为预设标签生成的；基于所述训练样本对掩码语言模型进行训练，其中，所述掩码语言模型用于获取样本文本位置处所述样本目标文本的训练第一得分和所述预设标签的训练第二得分，所述样本文本位置为所述样本目标文本在所述样本原始语音识别结果中的文本位置，所述训练第一得分与所述样本文本位置处为所述样本目标文本的预测概率正相关，所述训练第二得分与所述样本文本位置处为所述预设标签的预测概率正相关；