[发明专利]一种语音识别方法、装置及终端设备

权利要求书

1.一种语音识别方法，其特征在于，所述方法包括：

将目标音频数据输入预先构造的基于神经网络的声学模型，得到目标拼音序列；

将所述目标拼音序列输入预先构造的基于神经网络的语言模型，得到目标文字序列。

2.如权利要求1所述的方法，其特征在于，构造基于神经网络的声学模型包括：

根据预先设置的GRU模型的层数及每层GRU神经元的个数，构建编码模型；

根据预先设置的LSTM模型的层数及每层LSTM神经单元的个数，构建解码模型；

基于所述编码模块和所述解码模块，构建所述声学模型。

3.如权利要求2所述的方法，其特征在于，所述根据预先设置的LSTM模型的层数及每层LSTM神经单元的个数，构建解码模块的步骤，包括：

根据预先设置的LSTM模型的层数及每层LSTM神经单元的个数，结合注意力模型和束搜索模型，构建所述解码模型。

4.如权利要求2或3所述的方法，其特征在于，在所述基于所述编码模块和所述解码模块，构建所述声学模型的步骤之后，包括：

将预设语音数据输入所述声学模型，对所述声学模型进行训练；

在训练过程中，按照预设周期获取所述声学模型的第一识别准确率；

将第T个周期所获取到的第一识别准确率与第T+1周期所获取到的第一识别准确率进行相减，所述T为大于零的正整数；

当第T个周期所获取到的第一识别准确率与第T+1周期所获取到的第一识别准确率的差值的绝对值小于预设阈值时，停止对所述声学模型的训练。

5.如权利要求1所述的方法，其特征在于，构造基于神经网络的语言模型包括：

根据预先设置的LSTM模型的层数及每层LSTM神经单元的个数，结合条件随机场，构建所述语言模型。

6.如权利要求5所述的方法，其特征在于，在所述根据预先设置的LSTM模型的层数及每层LSTM神经单元的个数，结合条件随机场，构建所述语言模型的步骤之后，包括：

将预设文本数据输入所述语言模型，对所述语言模型进行训练；

在训练过程中，按照预设周期获取所述语言模型的第二识别准确率；

将第T个周期所获取到的第二识别准确率与第T+1周期所获取到的第二识别准确率进行相减，所述T为大于零的正整数；

当第T个周期所获取到的第二识别准确率与第T+1周期所获取到的第二识别准确率的差值的绝对值小于预设阈值时，停止对所述语言模型的训练。

7.一种语音识别装置，其特征在于，所述装置包括：

目标拼音序列识别单元，用于将目标音频数据输入预先构造的基于神经网络的声学模型，得到目标拼音序列；

目标文字序列识别单元，用于将所述目标拼音序列输入预先构造的基于神经网络的语言模型，得到目标文字序列。

8.如权利要求7所述的装置，其特征在于，所述装置还包括：

编码模型构建单元，用于根据预先设置的GRU模型的层数及每层GRU神经元的个数，构建编码模型；

解码模型构建单元，用于根据预先设置的LSTM模型的层数及每层LSTM神经单元的个数，构建解码模型；

声学模型构建单元，用于基于所述编码模块和所述解码模块，构建所述声学模型。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述语音识别方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述语音识别方法的步骤。