一种声学模型的训练方法及装置、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CN111341303A(43)申请公布日2020.06.26(21)申请号201811566469.6(22)申请日2018.12.19(71)申请人北京猎户星空科技有限公司地址100144北京市石景山区实兴大街30号院3号楼2层A-2570房间(72)发明人黄智超吴本谷(74)专利代理机构北京智信禾专利代理有限公司11637代理人王治东(51)Int.Cl.G10L15/06(2013.01)G10L21/0216(2013.01)权利要求书2页说明书12页附图7页(54)发明名称一种声学模型的训练方法及装置、语音识别方法及装置(57)摘要本申请提供一种声学模型的训练方法及装置、语音识别方法及装置，其中，声学模型的训练方法包括：获取N路远场音频样本数据，N表示麦克风阵列所包含的麦克风数量；对所述N路远场音频样本数据进行空间滤波处理，得到M通道音频样本数据，其中M为正整数且M≥2；对所述M通道音频样本数据进行特征提取和合并处理，得到目标音频特征序列；将所述N路远场音频样本数据对应的标签数据作为训练标签以及将所述目标音频特征序列作为训练样本，输入至声学模型进行训练，以建立多路远场声学模型，从而将前端信号处理和后端声学模型训练融为一体，解决了前端和后端适配的困难，提高了声学模型的识别准确率。CN111341303ACN111341303A权利要求书1/2页1.一种声学模型的训练方法，其特征在于，所述方法包括：获取N路远场音频样本数据，N表示麦克风阵列所包含的麦克风数量；对所述N路远场音频样本数据进行空间滤波处理，得到M通道音频样本数据，其中M为正整数且M≥2；对所述M通道音频样本数据进行特征提取和合并处理，得到目标音频特征序列；将所述N路远场音频样本数据对应的标签数据作为训练标签以及将所述目标音频特征序列作为训练样本，输入至声学模型进行训练，以建立多路远场声学模型。2.如权利要求1所述的声学模型的训练方法，其特征在于，获取N路远场音频样本数据，包括：确定镜像算法所需的仿真参数；根据镜像算法和镜像算法所需的仿真参数，分别生成N个麦克风对应的房间冲激响应；根据已获取的近场音频数据和每个麦克风对应的房间冲激响应，生成N路远场音频样本数据。3.如权利要求2所述的音频数据的训练方法，其特征在于，所述仿真参数包括：仿真房间的仿真参数、麦克风的仿真位置参数和播放源的仿真位置参数中的至少一种；其中，所述仿真房间的参数包括：所述仿真房间内的各个墙壁的吸声系数和反射次数中的至少一种。4.如权利要求3所述的声学模型的训练方法，其特征在于，根据镜像算法和镜像算法所需的仿真参数，分别生成N个麦克风对应的房间冲激响应，包括：根据N个麦克风的仿真位置参数和播放源的仿真位置参数，分别得到N个麦克风与同一个播放源的仿真距离参数；根据同一个仿真房间内的各个墙壁的吸声系数、反射次数以及所述N个麦克风与同一个播放源的仿真距离参数，分别采用所述镜像算法计算生成N个麦克风对应的房间冲激响应。5.如权利要求4所述的声学模型的训练方法，其特征在于，所述仿真房间内的各个墙壁的反射次数通过以下方法获取：获取所述播放源的镜像点相对于所述播放源的仿真位置；获取所述仿真房间内的各个墙壁的反射阶数；根据所述播放源的镜像点相对于所述播放源的仿真位置以及所述仿真房间内的各个墙壁的反射阶数，得到所述仿真房间内的各个墙壁的反射次数。6.如权利要求2所述的声学模型的训练方法，其特征在于，根据已获取的近场音频数据和每个麦克风对应的房间冲激响应，生成N路远场音频样本数据，包括：获取每个麦克风对应的噪声数据；根据已获取的近场音频数据、每个麦克风对应的房间冲激响应以及每个麦克风对应的噪声数据，生成N路远场音频样本数据。7.如权利要求6所述的声学模型的训练方法，其特征在于，根据已获取的近场音频数据、每个麦克风对应的房间冲激响应以及每个麦克风对应的噪声数据，生成N路远场音频样本数据，包括：将每个麦克风对应的房间冲激响应和所述近场音频数据进行卷积；2CN111341303A权利要求书2/2页将每个麦克风对应的卷积结果和噪声数据求和，得到每个所述麦克风对应的远场音频样本数据。8.如权利要求6或7所述的声学模型的训练方法，其特征在于，所述噪声数据通过录制或仿真的方式获得。9.如权利要求1所述的声学模型的训练方法，其特征在于，对所述N路远场音频样本数据进行空间滤波处理，得到M通道音频样本数据，包括：对所述N路远场音频样本数据通过M个空间滤波器分别进行空间滤波处理，得到对应的M通道音频样本数据；其中，每个通道音频样本数据通过以下方法获取：对所述N路远场音频样本数据分别乘以该通道对应的空间滤波器对应的权重系数，然后求和，生成该通道音频样本数据。10