[发明专利]语音识别方法和装置

权利要求书

1.一种语音识别方法，包括：

从待处理语音信号中提取出声学特征，并基于所述待处理语音信号的声学特征进行语音识别，得到所述待处理语音信号对应的识别文本；

将所述待处理语音信号的声学特征和所述待处理语音信号对应的识别文本输入已训练的音节对齐模型，得到所述待处理语音信号的声学特征对应的音节序列，所述音节序列中的音节依次与所述待处理语音信号的每一帧的声学特征对齐；

基于所述待处理语音信号的声学特征对应的音节序列对所述待处理语音信号的声学特征进行定长处理，得到所述待处理语音信号的定长声学特征；

采用已训练的声学置信度模型对所述待处理语音信号的定长声学特征进行声学置信度预测，得到所述待处理语音信号的声学置信度。

2.根据权利要求1所述的方法，其中，所述基于所述待处理语音信号的声学特征对应的音节序列对所述待处理语音信号的声学特征进行定长处理，得到所述待处理语音信号的定长声学特征，包括：

根据所述待处理语音信号的声学特征对应的音节序列，确定所述待处理语音信号对应的识别文本所包含的每个单音节对应的声学特征的长度；

将各所述单音节对应的声学特征变换为具有预设长度的声学特征，得到所述待处理语音信号的定长声学特征。

3.根据权利要求1所述的方法，其中，所述声学置信度模型分别预测各预设音节建模单元为所述声学特征所表示的音节的概率。

4.根据权利要求1所述的方法，其中，所述方法还包括：

基于样本语音数据集，对待训练的音节对齐模型进行训练，得到所述已训练的音节对齐模型，所述样本语音数据集包括第一样本语音信号；

所述基于样本语音数据集，对待训练的音节对齐模型进行训练，得到所述已训练的音节对齐模型，包括：

基于高斯混合模型对从第一样本语音信号提取出的声学特征进行切分，得到初始的音节对齐结果；

采用待训练的音节对齐模型对所述初始的音节对齐结果进行修正，基于修正后的音节对齐结果迭代调整所述待训练的音节对齐模型的参数。

5.根据权利要求1-4任一项所述的方法，其中，所述方法还包括：

基于样本音频数据集对待训练的声学置信度模型进行训练，得到所述已训练的声学置信度模型，其中，所述样本音频数据集包括样本音频信号以及样本音频信号的文本标注信息；

所述基于样本音频数据集对待训练的声学置信度模型进行训练，得到所述已训练的声学置信度模型，包括：

提取出所述样本音频信号的声学特征，并基于所述样本音频信号的声学特征进行语音识别，得到所述样本音频信号对应的识别文本；

将所述样本音频信号的声学特征和所述样本音频信号对应的识别文本输入已训练的音节对齐模型，得到所述样本音频信号的声学特征对应的音节序列；

基于所述样本音频信号的声学特征对应的音节序列对所述样本音频信号的声学特征进行定长处理，得到所述样本音频信号的定长声学特征；

采用所述待训练的声学置信度模型对所述样本音频信号的定长声学特征进行声学置信度预测，得到所述样本音频信号的声学置信度预测结果，将所述样本音频信号的声学置信度预测结果与所述样本音频信号的文本标注信息所指示的所述样本音频信号的声学置信度期望结果进行比对，根据比对结果迭代调整所述待训练的声学置信度模型的参数，使得调整参数后的声学置信度模型对所述样本音频信号的声学置信度预测结果与所述样本音频信号的文本标注信息所指示的所述样本音频信号的声学置信度期望结果之间的差异满足预设的收敛条件。

6.根据权利要求5所述的方法，其中，所述样本音频信号包括第二样本语音信号和非语音音频信号。