语音识别、网络模型的训练方法、装置、设备和存储介质.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CN114283831A(43)申请公布日2022.04.05(21)申请号202111660465.6G10L25/06(2013.01)(22)申请日2021.12.30(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)发明人黄鑫许丽(74)专利代理机构北京布瑞知识产权代理有限公司11505代理人王海臣(51)Int.Cl.G10L21/0208(2013.01)G10L15/26(2006.01)G10L15/065(2013.01)G10L15/06(2013.01)G10L25/21(2013.01)权利要求书3页说明书12页附图7页(54)发明名称语音识别、网络模型的训练方法、装置、设备和存储介质(57)摘要本申请提供了一种语音识别、网络模型的训练方法、装置、设备和存储介质，解决了现有技术中语音识别系统识别效果较差的问题。基于初始说话人波束和多路语音信号确定第一目标说话人波束，初始说话人波束基于多路语音信号的波束成形过程得到，第一目标说话人波束指示多路语音信号各自在初始说话人波束所在方向上的声音信息；基于第一目标说话人波束和多路语音信号确定噪声波束，噪声波束指示多路语音信号中除了第一目标说话人波束之外的声音信息；基于噪声波束和唤醒波束对第一目标说话人波束进行滤波，得到第二目标说话人波束，唤醒波束指示包含唤醒词的波束；对第二目标说话人波束进行语音识别，得到识别文本。CN114283831ACN114283831A权利要求书1/3页1.一种语音识别方法，其特征在于，包括：基于初始说话人波束和多路语音信号确定第一目标说话人波束，所述初始说话人波束基于所述多路语音信号的波束成形过程得到，所述第一目标说话人波束指示所述多路语音信号各自在所述初始说话人波束所在方向上的声音信息；基于所述第一目标说话人波束和所述多路语音信号确定噪声波束，所述噪声波束指示所述多路语音信号中除了所述第一目标说话人波束之外的声音信息；基于所述噪声波束和唤醒波束对所述第一目标说话人波束进行滤波，得到第二目标说话人波束，所述唤醒波束指示包含唤醒词的波束；对所述第二目标说话人波束进行语音识别，得到识别文本。2.根据权利要求1所述的语音识别方法，其特征在于，所述基于初始说话人波束和多路语音信号确定第一目标说话人波束包括：基于所述多路语音信号确定多个固定波束，所述多个固定波束和多个预设方向一一对应；基于所述多个固定波束确定多个自适应波束，所述多个自适应波束和所述多个固定波束一一对应，所述自适应波束包括所述多个固定波束在所述自适应波束所在预设方向上的语音信息；过滤掉所述多个固定波束和所述多个自适应波束中所述初始说话人波束所在方向之外的语音信息，得到所述第一目标说话人波束。3.根据权利要求2所述的语音识别方法，其特征在于，所述基于所述多个固定波束确定多个自适应波束包括：针对每个所述固定波束，确定所述固定波束和其余所述固定波束的第一方向相关系数向量；确定所述第一方向相关系数向量和所述固定波束的乘积为所述自适应波束。4.根据权利要求2所述的语音识别方法，其特征在于，所述过滤掉所述多个固定波束和所述多个自适应波束中所述初始说话人波束所在方向之外的语音信息，得到所述第一目标说话人波束包括：分别确定所述多个固定波束和所述多个自适应波束各自与所述初始说话人波束的第二方向相关系数向量；确定所述第二方向相关系数向量和所述初始说话人波束的乘积为所述第一目标说话人波束。5.根据权利要求1所述的语音识别方法，其特征在于，所述基于所述第一目标说话人波束和所述多路语音信号确定噪声波束包括：对所述第一目标说话人波束和所述多路语音信号进行声学特征提取，分别得到第一特征信息和第二特征信息；确定所述第二特征信息中和所述第一特征信息不匹配的第三特征信息；确定所述第三特征信息对应的声音信号为所述噪声波束。6.根据权利要求1所述的语音识别方法，其特征在于，所述基于所述噪声波束和唤醒波束对所述第一目标说话人波束进行过滤，得到第二目标说话人波束包括：对所述第一目标说话人波束、所述噪声波束和所述唤醒波束进行声学特征提取，分别2CN114283831A权利要求书2/3页得到第四特征信息、第五特征信息和第六特征信息；确定所述第四特征信息中与所述第五特征信息匹配的第七特征信息；确定所述第四特征信息中除了所述第七特征信息之外的特征信息中与所述第六特征信息匹配的第八特征信息；确定所述第八特征信息对应的声音信号为所述第二目标说话人波束。7.根据权利要求6所述的语音识别方法，其特征在于，所述对所述第一目标说话人波束、所述噪声波束和所述唤醒波束进行声学特征提取包括：对所述第一目标说话人波束、所述噪声波束和所述唤醒