语音识别方法、装置、电子设备及存储介质.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CN114067786A(43)申请公布日2022.02.18(21)申请号202010739778.X(22)申请日2020.07.28(71)申请人腾讯科技（深圳）有限公司地址518000广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人孙思宁(74)专利代理机构北京市立方律师事务所11330代理人张筱宁(51)Int.Cl.G10L15/06(2013.01)G10L15/16(2006.01)权利要求书3页说明书17页附图5页(54)发明名称语音识别方法、装置、电子设备及存储介质(57)摘要本申请涉及语音识别技术领域，公开了一种语音识别方法、装置、电子设备及存储介质，其中，该语音识别方法包括：获取待识别语音；通过语音识别模型对所述待识别语音进行识别，获得语音识别结果；其中，所述语音识别模型通过以下方式训练得到：基于各初始训练样本对初始语音识别模型进行训练，得到初步训练后的识别模型；获得每个所述初始训练样本在通过所述初步训练后的识别模型进行识别时所对应的识别易错率表征信息；根据所述表征信息从各所述初始训练样本中选取目标样本；基于各所述目标样本对所述初步训练后的识别模型进行训练，得到所述语音识别模型。本申请提供的方案能够提升语音识别模型的识别准确率。CN114067786ACN114067786A权利要求书1/3页1.一种语音识别方法，其特征在于，包括：获取待识别语音；通过语音识别模型对所述待识别语音进行识别，获得语音识别结果；其中，所述语音识别模型通过以下方式训练得到：基于各初始训练样本对初始语音识别模型进行训练，得到初步训练后的识别模型；获得每个所述初始训练样本在通过所述初步训练后的识别模型进行识别时所对应的识别易错率表征信息；根据所述表征信息从各所述初始训练样本中选取目标样本；基于各所述目标样本对所述初步训练后的识别模型进行训练，得到所述语音识别模型。2.根据权利要求1所述的方法，其特征在于，所述初始训练样本包括样本语音和该样本语音对应的样本文本；所述获得每个所述初始训练样本在通过所述初步训练后的识别模型进行识别时所对应的识别易错率表征信息，包括：针对一个所述初始训练样本，利用所述识别模型对该样本的样本语音进行识别，获得该样本的样本文本中每个字符对应的识别概率中由大到小排序中排序靠前的至少两个识别概率；根据所述样本文本中每个字符对应的所述至少两个识别概率，确定每个字符所对应的信息熵；基于所述样本文本中每个字符所对应的信息熵，确定所述初始训练样本对应的识别易错率表征信息。3.根据权利要求2所述的方法，其特征在于，对于一个所述初始训练样本，所述基于所述样本文本中每个字符所对应的信息熵，确定所述初始训练样本对应的识别易错率表征信息，包括：将所述初始训练样本的样本文本中各字符所对应的信息熵中最大的信息熵，作为该初始训练样本对应的识别易错率表征信息。4.根据权利要求2所述的方法，其特征在于，所述利用所述识别模型对该样本的样本语音进行识别，获得该样本的样本文本中每个字符对应的识别概率中由大到小排序中排序靠前的至少两个识别概率，包括：利用所述识别模型对初始训练样本的样本语音进行识别，得到该样本的样本文本中每个字符对应的至少两个归一化处理前的识别概率，其中，所述至少两个归一化处理前的识别概率为归一化处理前的各识别概率中由大到小排序中排序靠前的至少两个；对所述至少两个归一化处理前的识别概率进行归一化处理，得到每个字符对应的至少两个识别概率。5.根据权利要求1所述的方法，其特征在于，所述初始训练样本包括样本语音和该样本语音对应的样本文本；所述基于各所述目标样本对所述初步训练后的识别模型进行训练，包括：基于各所述目标样本对所述初步训练后的识别模型进行迭代训练，直至识别模型对应的总损失函数达到收敛条件；2CN114067786A权利要求书2/3页其中，识别模型的输入为目标样本的样本语音，识别模型的输出为样本语音对应的预测文本，所述总损失函数的值表征各所述目标样本的样本语音的预测文本与样本文本之间的差异。6.根据权利要求5所述的方法，其特征在于，所述总损失函数包括第一损失函数和第二损失函数，第一损失函数的值表征了各所述目标样本的样本语音的预测文本与样本文本之间的字符差异，第二损失函数的值表征了所述目标样本的样本语音的预测文本与样本文本之间的文本差异。7.根据权利要求6所述的方法，其特征在于，所述基于各所述目标样本对所述初步训练后的识别模型进行迭代训练，包括：针对每一次训练，对于每个所述目标样本，利用所述识别模型对所述目标样本的样本语音进行束搜索解码，获得所述样本语音对应的设定数量个候选识别结果以及每个候选识别结果对应的概率；获取所述样本语音对应的预测文本；对