语音识别模型的训练、语音识别方法、装置及设备.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CN113689860A(43)申请公布日2021.11.23(21)申请号202110865009.9(22)申请日2021.07.29(71)申请人北京捷通华声科技股份有限公司地址100193北京市海淀区东北旺西路8号中关村软件园2号楼A座一层2101(72)发明人韩雨武卫东李健陈明(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人莎日娜(51)Int.Cl.G10L15/26(2006.01)G10L15/06(2013.01)G10L25/18(2013.01)权利要求书2页说明书12页附图4页(54)发明名称语音识别模型的训练、语音识别方法、装置及设备(57)摘要本申请实施例提供了一种语音识别模型的训练方法、语音识别方法、装置及设备。该方法包括：重复执行至少一个训练过程，直至第一文本数据的置信度满足停止训练条件，训练过程包括：将小语种音频数据输入至第一语音识别模型，得到第一文本数据，当第一文本数据的置信度不满足停止训练条件时，根据第一文本数据、对应的小语种音频数据以及第一样本数据，生成第二样本数据，将第二样本数据输入至第一语音识别模型，对第一语音识别模型进行训练，生成第二语音识别模型，并将第二语音识别模型作为第一语音识别模型；将第一文本数据的置信度满足停止训练条件时得到的第一语音识别模型，作为目标语音识别模型。本申请实现了高效训练小语种语音识别模型。CN113689860ACN113689860A权利要求书1/2页1.一种语音识别模型的训练方法，其特征在于，所述方法包括：重复执行至少一个训练过程，直至第一文本数据的置信度满足停止训练条件，所述训练过程包括：将小语种音频数据输入至第一语音识别模型，得到第一文本数据，所述第一语音识别模型是基于第一样本数据训练得到，所述第一样本数据包括小语种音频数据以及对应的第二文本数据，当所述第一文本数据的置信度不满足停止训练条件时，根据所述第一文本数据、对应的小语种音频数据以及所述第一样本数据，生成第二样本数据，将所述第二样本数据输入至所述第一语音识别模型，对所述第一语音识别模型进行训练，生成第二语音识别模型，并将所述第二语音识别模型作为所述第一语音识别模型；将所述第一文本数据的置信度满足停止训练条件时得到的第一语音识别模型，作为目标语音识别模型。2.根据权利要求1所述的方法，其特征在于，所述第一文本数据的置信度满足停止训练条件，包括：当前训练过程中所述第一文本数据的置信度相较于前一训练过程中第一文本数据的置信度的变化量低于变量阈值；或者，所述第一文本数据的置信度大于第一置信度阈值。3.根据权利要求1所述的方法，其特征在于，所述小语种音频数据包括多个音频片段，所述第一文本数据包括与所述多个音频片段分别对应的文本数据，所述根据所述第一文本数据、对应的小语种音频数据以及所述第一样本数据，生成第二样本数据，包括：从各所述文本数据中，筛选得到置信度满足设定置信度要求的目标文本数据；根据所述目标文本数据、对应的小语种音频数据以及所述第一样本数据，生成第二样本数据。4.根据权利要求3所述的方法，其特征在于，所述目标文本数据的置信度大于第二置信度阈值，或者，所述目标文本数据包括置信度由高到低排序的各所述第一文本数据中，前指定数量个第一文本数据。5.根据权利要求1所述的方法，其特征在于，在所述将所述第二样本数据输入至所述第一语音识别模型之前，所述方法还包括：提取所述第二样本数据中小语种音频数据的特征数据；对所述特征数据进行增强处理，得到处理后的特征数据；更新所述第二样本数据，更新后的第二样本数据包括所述处理后的特征数据、对应的第一文本数据以及对应的第二文本数据。6.根据权利要求5所述的方法，其特征在于，所述增强处理包括速度扰动处理和/或SpecAugment处理。7.一种语音识别方法，其特征在于，所述方法包括：获取待识别的小语种音频数据；将所述小语种音频数据输入目标语音识别模型，得到文本数据，其中，所述目标语音识别模型采用如权利要求1至6任一项所述的语音识别模型的训练方法训练得到。8.一种语音识别模型的训练装置，其特征在于，所述装置包括：2CN113689860A权利要求书2/2页训练模块，用于重复执行至少一个训练过程，直至第一文本数据的置信度满足停止训练条件，所述训练过程包括：将小语种音频数据输入至第一语音识别模型，得到第一文本数据，所述第一语音识别模型是基于第一样本数据训练得到，所述第一样本数据包括小语种音频数据以及对应的第二文本数据，当所述第一文本数据的置信度不满足停止训练条件时，根据所述第一文本数据、对应的小语种音频数据以及所述第一样本数据，生成第二样本数据，将所述第二样本数据输入至所述第一语音识别模型，