[发明专利]语音识别系统

说明书

本发明提供一种语音识别系统。所述系统包括：前端模块，用于对来自外部应用程序的音频信号输入进行处理以便输出特征流；解码器模块，用于根据来自于所述前端模块的特征流和来自于语言专家模块的搜索图，输出结果对象的实例；语言专家模块，用于为所述解码器模块提供所需的各种层次的知识组成的搜索图。本发明能够实现基于神经网络的语音识别，提高语音识别的准确度。

技术领域

本发明涉及人机交互技术领域，尤其涉及一种语音识别系统。

背景技术

语音识别是人机交互的一项关键技术，在过去的几十年里取得了飞速的进展。传统的声学建模方式基于隐马尔科夫框架，采用混合高斯模型(Gaussian Mixture Model，GMM)来描述语音声学特征的概率分布。由于隐马尔科夫模型属于典型的浅层学习结构，仅含单个将原始输入信号转换到特定问题空间特征的简单结构，在海量数据下其性能受到限制。人工神经网络(Artificial Neural Network，ANN)是人们为模拟人类大脑存储及处理信息的一种计算模型。近年来，微软利用上下文相关的深层神经网络(Context DependentDeep Neural Network，CD--DNN)进行声学模型建模，并在大词汇连续语音识别上取得相对于经鉴别性训练HMM系统有句错误率相对下降23.2％的性能改善。掀起了深层神经网络在语音识别领域复兴的热潮。

因此，如何基于神经网络进行语音识别以提高语音识别的准确度，是亟需解决的技术问题。

发明内容

本发明提供的语音识别系统，能够实现基于神经网络的语音识别，提高语音识别的准确度。

第一方面，本发明提供一种语音识别系统，包括：

前端模块，用于对来自外部应用程序的音频信号输入进行处理以便输出特征流；

解码器模块，用于根据来自于所述前端模块的特征流和来自于语言专家模块的搜索图，输出结果对象的实例；

语言专家模块，用于为所述解码器模块提供所需的各种层次的知识组成的搜索图。

可选地，所述解码器模块包括搜索管理模块，所述搜索管理模块用于对给定数量的特征流进行识别，返回结果对象的实例。

可选地，所述搜索管理模块提供两种搜索管理：并行搜索管理和标记搜索管理，所述并行搜索管理在所述前端模块使用并行特征流时所使用，所述标记搜索管理在非并行特征流的情况下使用。

可选地，所述语言专家模块包括声学模型子模块、语言模型子模块和字典子模块，所述声学模型子模块作为一个接口，所述语言模型子模块用于提供词级层次的语言结构信息，所述字典子模块用于提供语言模型中词的发音。

可选地，所述语言模型子模块用于基于卷积神经网络的语言模型提供词级层次的语言结构信息。

可选地，所述基于卷积神经网络的语言模型包括前馈神经网络语言模型和循环神经网络语言模型。

可选地，所述语言模型子模块的实现包括语法规则的实现和统计语言模型的实现。

可选地，所述解码器模块所需的各种层次的知识包括词级层次的知识、音素级层次的知识和子音素级层次的知识。

本发明实施例提供的语音识别系统，包括用于对来自外部应用程序的音频信号输入进行处理以便输出特征流的前端模块，用于根据来自于所述前端模块的特征流和来自于语言专家模块的搜索图，输出结果对象的实例的解码器模块，以及用于为所述解码器模块提供所需的各种层次的知识组成的搜索图的语言专家模块，所述语言专家模块包括的语言模型子模块用于基于卷积神经网络的语言模型提供词级层次的语言结构信息，能够大幅度降低模型的复杂度，实现基于神经网络的语音识别，提高语音识别的准确度。

附图说明

图1为卷积神经网络的模型图；