语音识别方法、装置、设备、可读存储介质及计算机程序.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CN114171014A(43)申请公布日2022.03.11(21)申请号202111459909.X(22)申请日2021.12.02(71)申请人北京声智科技有限公司地址100094北京市海淀区北清路81号院一区1号楼6层601(72)发明人李良斌陈孝良(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人王静(51)Int.Cl.G10L15/07(2013.01)G10L15/26(2006.01)G10L15/06(2013.01)G10L17/00(2013.01)权利要求书2页说明书12页附图3页(54)发明名称语音识别方法、装置、设备、可读存储介质及计算机程序(57)摘要本申请公开了一种语音识别方法、装置、设备、可读存储介质及计算机程序，属于计算机技术领域。通过本申请实施例提供的技术方案，获取语音数据；调用声纹识别模型，对该语音数据和语音特征集进行处理，以确定与该语音数据匹配的目标用户，语音特征集中存储有多个用户的历史语音特征；在对该语音数据进行解码的过程中，调用与目标用户匹配的目标语言模型对该语音数据进行处理，以得到该语音数据对应的目标文本，其中，目标语言模型基于目标用户的历史文本数据训练得到；输出该语音数据对应的目标文本。该技术方案能够提高语音识别的准确率。CN114171014ACN114171014A权利要求书1/2页1.一种语音识别方法，其特征在于，所述方法包括：获取语音数据；调用声纹识别模型，对所述语音数据和语音特征集进行处理，以确定与所述语音数据匹配的目标用户，所述语音特征集中存储有多个用户的历史语音特征；在对所述语音数据进行解码的过程中，调用与所述目标用户匹配的目标语言模型对所述语音数据进行处理，以得到所述语音数据对应的目标文本，其中，所述目标语言模型基于所述目标用户的历史文本数据训练得到；输出所述语音数据对应的目标文本。2.根据权利要求1所述的语音识别方法，其特征在于，所述调用声纹识别模型，对所述语音数据和语音特征集进行处理，以确定与所述语音数据匹配的目标用户包括：对所述语音数据进行特征提取，得到语音特征；调用所述声纹识别模型，对所述语音特征和所述语音特征集中第一用户的历史语音特征进行处理，以确定所述语音特征与所述第一用户的历史语音特征之间的似然度；响应于所述似然度大于或等于似然度阈值，将所述第一用户确定为与所述语音数据匹配的目标用户。3.根据权利要求2所述的语音识别方法，其特征在于，所述方法还包括：若未从所述语音特征集中匹配出所述目标用户，则将所述语音数据作为新增用户的语音数据添加至历史语音数据集中。4.根据权利要求3所述的语音识别方法，其特征在于，所述方法还包括：当所述历史语音数据集中所述新增用户的数量大于第一数量，且每个所述新增用户的语音数据量大于第二数量时，对每个所述新增用户的多条语音数据进行特征提取，得到每个所述新增用户的多个语音特征；对每个所述新增用户的多个所述语音特征取均值，得到每个所述新增用户的均值特征，将所述均值特征作为每个所述新增用户的语音特征添加至所述语音特征集。5.根据权利要求1‑4任一项所述的语音识别方法，其特征在于，所述声纹识别模型的训练过程包括：获取样本语音特征集，所述样本语音特征集基于所述多个用户的历史语音数据得到；基于所述样本语音特征集，以用户来源为监督，训练所述声纹识别模型。6.根据权利要求5所述的语音识别方法，其特征在于，所述基于所述样本语音特征集，以用户来源为监督，训练所述声纹识别模型包括：在第i次迭代过程中，从所述样本语音特征集中获取语音特征对，所述语音特征对包括第一样本语音特征和第二样本语音特征，其中，i为正整数；调用所述声纹识别模型，对所述第一样本语音特征和所述第二样本语音特征进行处理，以确定所述第一样本语音特征和第二样本语音特征之间的似然度；在基于所述似然度以及所述语音特征对的样本标签，确定所述第i次迭代满足训练停止条件，则将所述声纹识别模型确定为训练完成的声纹识别模型，所述样本标签用于表示所述语音特征对中的样本语音特征是否来源于同一用户；在基于所述似然度以及所述语音特征对的样本标签，确定所述第i次迭代不满足训练停止条件，则调整所述声纹识别模型的模型参数，基于调整后的声纹识别模型进行第i+1次2CN114171014A权利要求书2/2页迭代过程。7.一种语音识别装置，其特征在于，所述装置包括：第一获取模块，用于获取语音数据；第一确定模块，用于调用声纹识别模型，对所述语音数据和语音特征集进行处理，以确定与所述语音数据匹配的目标用户，所述语音特征集中存储有多个用户的历史语音特征；调用模块，用于在对所述语音数据进行解码的过程中，调用与所述目标用户匹配的目标语言