语音识别方法、装置、电子设备以及存储介质.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CN113920998A(43)申请公布日2022.01.11(21)申请号202010607003.7(22)申请日2020.06.29(71)申请人京东科技控股股份有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号C座2层221室(72)发明人李萧萧(74)专利代理机构北京同立钧成知识产权代理有限公司11205代理人朱颖臧建明(51)Int.Cl.G10L15/16(2006.01)G10L15/02(2006.01)权利要求书1页说明书11页附图4页(54)发明名称语音识别方法、装置、电子设备以及存储介质(57)摘要本申请实施例提供一种语音识别方法、装置、电子设备以及存储介质。本申请实施例提供的语音识别方法，包括：获取第一语音片段的频谱信息，第一语音片段包含有目标语音块和辅助语音块，辅助语音块为目标语音块相邻的语音块；根据第一语音片段的频谱信息，以及辅助语音块的有效区间和权重，对目标语音块进行识别。本申请实施例提供的语音识别方法，可以提高流式语音识别的时识别精度。CN113920998ACN113920998A权利要求书1/1页1.一种语音识别方法，其特征在于，所述方法包括：获取第一语音片段的频谱信息，所述第一语音片段包含有目标语音块和辅助语音块，所述辅助语音块为所述目标语音块相邻的语音块；根据所述第一语音片段的频谱信息，以及所述辅助语音块的有效区间和权重，对所述目标语音块进行识别。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一语音片段的频谱信息，以及所述辅助语音块的有效区间和权重，对所述目标语音块进行识别，包括：将所述第一语音片段的频谱信息输入神经网络模型，并获取所述神经网络模型输出的所述目标语音块的识别结果，所述神经网络模型设置有所述辅助语音块的有效区间和权重。3.根据权利要求2所述的方法，其特征在于，在所述将所述第一语音片段的频谱信息输入神经网络模型，并获取所述神经网络模型输出的所述目标语音块的识别结果之前，所述方法还包括：通过样本集对所述神经网络模型进行训练。4.根据权利要求3所述的方法，其特征在于，所述通过所述样本集对所述神经网络模型进行训练，包括：根据所述样本集中的样本长度对所述样本集进行排序；根据排序后的样本集的顺序，通过所述样本集对所述神经网络模型进行训练。5.根据权利要求4所述的方法，其特征在于，所述通过所述样本集对所述神经网络模型进行训练，包括：使用联结主义时间分类CTC函数作为损失函数，通过所述样本集对所述神经网络模型进行训练。6.根据权利要求2-5任一项所述的方法，其特征在于，所述神经网络模型为自注意力机制神经网络模型。7.根据权利要求3-5任一项所述的方法，其特征在于，所述样本集包括多种长度的语音片段和所述多种长度的语音片段对应的标注文本。8.一种语音识别装置，其特征在于，所述装置包括：获取模块，用于获取第一语音片段的频谱信息，所述第一语音片段包含有目标语音块和辅助语音块，所述辅助语音块为所述目标语音块相邻的语音块；识别模块，用于根据所述第一语音片段的频谱信息，以及所述辅助语音块的有效区间和权重，对所述目标语音块进行识别。9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。2CN113920998A说明书1/11页语音识别方法、装置、电子设备以及存储介质技术领域[0001]本发明涉及信息技术领域，尤其涉及一种语音识别方法、装置、电子设备以及存储介质。背景技术[0002]随着深度学习的不断发展，语音识别从早期的隐马尔可夫-高斯混合统计模型(hiddennarkovmodel-mixtureofgaussia，HMM-GMM))发展到最新的端到端神经网络识别模型，语音识别的准确率取得了很大的进步。[0003]目前常见的端到端神经网络识别模型的结构基于联结主义时间分类(connectionisttemporalclassification，CTC)的方式，包含有频谱计算层、特征提取(Encoder)层、全连接(fullyconnected，FC)层和归一化指数(Softmax)层。其中，输出的CTC概率通过Encoder层得到对应的识别文本。目前常见的Encoder为单向长期短记忆模型(unidirectionallongshort-termmemory，ULSTM)和双向