[发明专利]语音识别方法和装置

说明书

本申请实施例公开了语音识别方法和装置。该方法的一具体实施方式包括：从待处理语音信号中提取出声学特征，并基于待处理语音信号的声学特征进行语音识别，得到待处理语音信号对应的识别文本；将待处理语音信号的声学特征和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，得到待处理语音信号的声学特征对应的音节序列；基于待处理语音信号的声学特征对应的音节序列对待处理语音信号的声学特征进行定长处理，得到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，得到待处理语音信号的声学置信度。该实施方式提升了声学置信度判决精度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及语音技术领域，尤其涉及语音识别方法和装置。

背景技术

声学置信度是用于衡量自动语音识别中的声学识别结果可依赖程度的一种工具。结合声学置信度和语义模型，可以区分出语音和非语音(例如环境噪声)，当非语音输入造成误识别时，解码器和语言模型可以根据声学置信度将非语音的识别结果剔除，从而实现对非语音的“拒识”。传统的声学置信度是由声学打分变化而来，计算识别选定结果与其他所有可能结果的比值，比值越大选定结果的可依赖度越高。

基于声学打分的置信度判决方法依赖于识别结果与输入特征的对齐，而目前的声学模型一般采用CTC(connectionist temporal classification，联结时间分类)方法训练，CTC是序列到序列的建模，不依赖于输入特征与识别结果的对齐，因此，基于声学打分得到的声学置信度的准确性有待提升。

发明内容

本申请实施例提出了语音识别方法和装置。

第一方面，本申请实施例提供了一种语音识别方法，包括：从待处理语音信号中提取出声学特征，并基于待处理语音信号的声学特征进行语音识别，得到待处理语音信号对应的识别文本；将待处理语音信号的声学特征和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，得到待处理语音信号的声学特征对应的音节序列，音节序列中的音节依次与待处理语音信号的每一帧的声学特征对齐；基于待处理语音信号的声学特征对应的音节序列对待处理语音信号的声学特征进行定长处理，得到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，得到待处理语音信号的声学置信度。

在一些实施例中，上述基于待处理语音信号的声学特征对应的音节序列对待处理语音信号的声学特征进行定长处理，得到待处理语音信号的定长声学特征，包括：根据待处理语音信号的声学特征对应的音节序列，确定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，得到待处理语音信号的定长声学特征。

在一些实施例中，上述声学置信度模型分别预测各预设音节建模单元为声学特征所表示的音节的概率。

在一些实施例中，上述方法还包括：基于样本语音数据集，对待训练的音节对齐模型进行训练，得到已训练的音节对齐模型，样本语音数据集包括第一样本语音信号；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待训练的音节对齐模型的参数。