一种生成声学特征、语音模型训练、语音识别方法及装置.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CN113593527A(43)申请公布日2021.11.02(21)申请号202110881723.7(22)申请日2021.08.02(71)申请人北京有竹居网络技术有限公司地址101299北京市平谷区林荫北街13号信息大厦802(72)发明人董林昊马泽君(74)专利代理机构北京信远达知识产权代理有限公司11304代理人柳欣(51)Int.Cl.G10L15/02(2006.01)G10L15/06(2013.01)G10L19/04(2013.01)权利要求书3页说明书19页附图5页(54)发明名称一种生成声学特征、语音模型训练、语音识别方法及装置(57)摘要本申请实施例公开了一种生成声学特征、语音模型训练、语音识别方法及装置，通过获取当前语音帧的声学信息向量和当前语音帧的信息量权重，并根据上一语音帧对应的已累积信息量权重、当前语音帧对应的保留率以及当前语音帧的信息量权重，能够得到当前语音帧对应的已累积信息量权重。保留率为1与泄漏率之差。利用泄漏率调整当前语音帧对应的已累积信息量权重和当前语音帧对应的整合声学信息向量，能够降低信息量权重较小的语音帧对于整合声学信息向量的影响，提高信息量权重较大的语音帧的声学信息向量在整合声学信息向量中所占的比重，得到的整合声学信息向量更为准确，提高语音模型的准确程度。CN113593527ACN113593527A权利要求书1/3页1.一种生成声学特征的方法，其特征在于，所述方法包括：获取当前语音帧的声学信息向量和所述当前语音帧的信息量权重；根据上一语音帧对应的已累积信息量权重、所述当前语音帧对应的保留率以及所述当前语音帧的信息量权重，得到所述当前语音帧对应的已累积信息量权重；所述保留率为1与泄漏率之差；如果所述当前语音帧对应的已累积信息量权重小于阈值，根据上一语音帧对应的整合声学信息向量、所述当前语音帧对应的保留率、所述当前语音帧的信息量权重以及所述当前语音帧的声学信息向量，得到所述当前语音帧对应的整合声学信息向量；如果所述当前语音帧对应的已累积信息量权重大于或等于阈值，利用上一语音帧对应的整合声学信息向量以及所述当前语音帧的声学信息向量输出下发的整合声学信息向量，并计算得到所述当前语音帧对应的整合声学信息向量；在得到所述当前语音帧对应的整合声学信息向量之后，将下一语音帧作为当前语音帧，重复执行所述获取当前语音帧的声学信息向量和所述当前语音帧的信息量权重以及后续步骤，直到不存在下一语音帧。2.根据权利要求1所述的方法，其特征在于，所述根据上一语音帧对应的已累积信息量权重、所述当前语音帧对应的保留率以及所述当前语音帧的信息量权重，得到所述当前语音帧对应的已累积信息量权重，包括：将上一语音帧对应的已累积信息量权重乘以所述当前语音帧对应的保留率，再与所述当前语音帧的信息量权重相加，得到所述当前语音帧对应的已累积信息量权重。3.根据权利要求1所述的方法，其特征在于，所述如果所述当前语音帧对应的已累积信息量权重小于阈值，根据上一语音帧对应的整合声学信息向量、所述当前语音帧对应的保留率、所述当前语音帧的信息量权重以及所述当前语音帧的声学信息向量，得到所述当前语音帧对应的整合声学信息向量，包括：如果所述当前语音帧对应的已累积信息量权重小于阈值，将上一语音帧对应的整合声学信息向量乘以所述当前语音帧对应的保留率，再与所述当前语音帧的信息量权重与所述当前语音帧的声学信息向量之积相加，得到所述当前语音帧对应的整合声学信息向量。4.根据权利要求1所述的方法，其特征在于，所述如果所述当前语音帧对应的已累积信息量权重大于或等于阈值，利用上一语音帧对应的整合声学信息向量以及所述当前语音帧的声学信息向量输出下发的整合声学信息向量，包括：如果所述当前语音帧对应的已累积信息量权重大于或等于阈值，计算上一语音帧对应的已累积信息量权重乘以所述当前语音帧对应的保留率，得到第一数值，计算1与所述第一数值的差，得到所述当前语音帧的第一部分信息量权重；将上一语音帧对应的整合声学信息向量乘以所述当前语音帧对应的保留率，再与所述当前语音帧的第一部分信息量权重与所述当前语音帧的声学信息向量之积相加，得到下发的整合声学信息向量。5.根据权利要求4所述的方法，其特征在于，所述计算得到所述当前语音帧对应的整合声学信息向量，包括：计算所述当前语音帧的信息量权重与所述当前语音帧的第一部分信息量权重之差得到所述当前语音帧的第二部分信息量权重，将所述当前语音帧的第二部分信息量权重作为2CN113593527A权利要求书2/3页所述当前语音帧的已累积信息量权重；计算所述当前语音帧的第二部分信息量权重乘以所述当前语音帧的声学信息向量，得到所述当前语音帧对应的整合声学信息向量。6.根据