基于人工智能的语音识别方法、装置及存储介质.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CN113870846A(43)申请公布日2021.12.31(21)申请号202111135001.3(22)申请日2021.09.27(71)申请人平安科技（深圳）有限公司地址518033广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人罗剑王健宗(74)专利代理机构北京鸿元知识产权代理有限公司11327代理人王迎袁文婷(51)Int.Cl.G10L15/06(2013.01)G10L15/32(2013.01)权利要求书3页说明书16页附图3页(54)发明名称基于人工智能的语音识别方法、装置及存储介质(57)摘要本发明涉及人工智能，揭露一种基于人工智能的语音识别方法，包括：将获取的训练数据输入预设联合识别模型的语音识别模块中，获取所述语音识别模块的输出数据以及第一目标任务损失；将所述输出数据输入所述联合识别模型的损失预测模块中，以获取所述损失预测模块的第二目标任务损失；基于所述第一目标任务损失和所述第二目标任务损失，获取所述联合识别模型的总任务损失；基于所述训练数据对所述联合识别模型进行迭代训练，直至所述总任务损失收敛在预设范围内，形成联合识别模型；基于所述联合识别模型中的语音识别模块对待检测语音信号进行识别，并获取对应的识别结果。本发明可以提高语音识别的精度和效率。CN113870846ACN113870846A权利要求书1/3页1.一种基于人工智能的语音识别方法，其特征在于，所述方法包括：将获取的训练数据输入预设联合识别模型的语音识别模块中，获取所述语音识别模块的输出数据以及第一目标任务损失；将所述输出数据输入所述联合识别模型的损失预测模块中，以获取所述损失预测模块的第二目标任务损失；基于所述第一目标任务损失和所述第二目标任务损失，获取所述联合识别模型的总任务损失；基于所述训练数据对所述联合识别模型进行迭代训练，直至所述总任务损失收敛在预设范围内，形成联合识别模型；基于所述联合识别模型中的语音识别模块对待检测语音信号进行识别，并获取对应的识别结果。2.如权利要求1所述的基于人工智能的语音识别方法，其特征在于，所述获取所述语音识别模块的输出数据以及第一目标任务损失的步骤包括：基于所述语音识别模块中的编码器网络对所述训练数据进行编码处理，以获取与所述训练数据对应的隐藏特征，作为编码器输出；基于所述编码器输出，通过所述语音识别模块中的解码器网络输出与所述编码器输出相对应的文本标签序列，作为解码器输出；获取所述隐藏特征下的所述训练数据的真实文本序列的负对数似然，作为所述语音识别模块的CTC损失，并基于所述文本标签序列和所述真实文本序列的交叉熵损失，确定所述语音识别模块的注意力损失；基于所述CTC损失和所述注意力损失，确定所述语音识别模块的第一目标任务损失。3.如权利要求2所述的基于人工智能的语音识别方法，其特征在于，所述语音识别模块的CTC损失的表达公式如下：其中，y表示所述真实文本序列，h表示所述隐藏特征，t表示第t个隐藏特征，P(y|ht)表示所述真实文本序列在第t个隐藏特征处的概率；所述注意力损失的表达公式如下：其中，y表示所述真实文本序列，g＝(g1,g2,...,gS)表示所述解码器网络输出的隐藏特征，s表示所述真实文本序列的长度，表示所述真实文本序列中的目标标签ys在所述解码器网络输出的步骤S处出现的频率，表示在步骤s‑1中预测出的文本序列中的字符；所述第一目标任务损失的表达公式如下：2CN113870846A权利要求书2/3页其中，表示所述语音识别模块的CTC损失，表示所述注意力损失，λ表示缩放因子，0≤λ≤1。4.如权利要求1所述的基于人工智能的语音识别方法，其特征在于，所述获取所述损失预测模块的第二目标任务损失的步骤包括：将所述输出数据的编码器输出输入所述损失预测模块的CTC损失预测模块中，获取与所述训练数据对应的CTC预测损失；将所述输出数据的解码器输出输入所述损失预测模块的注意力损失预测模块中，获取与所述训练数据对应的注意力预测损失；基于所述CTC预测损失和所述注意力预测损失，确定所述损失预测模块的第二目标任务损失。5.如权利要求4所述的基于人工智能的语音识别方法，其特征在于，所述基于所述CTC预测损失和所述注意力预测损失，确定所述损失预测模块的第二目标任务损失的步骤包括：基于所述CTC预测损失获取与所述CTC预测损失相对应的第一误差损失函数；基于所述注意力预测损失获取与所述注意力预测损失相对应的第二误差损失函数；基于所述第一误差损失函数和所述第二误差损失函数，确定所述损失预测模块的第二目标任务损失。6.如权利要求5所述的基于人工智能的语音识别方法，其特征在于，所述第一误差损失函数的表达公式如下：所