[发明专利]模型训练方法、语音识别方法、装置、存储介质及设备

说明书

本发明实施例公开了模型训练方法、语音识别方法、装置、存储介质及设备。模型训练方法包括：将当前采样时刻对应的第一语音训练样本输入至第一声学神经网络模型中，得到当前采样时刻对应的至少两个第一损失函数，分别确定至少两个第一损失函数相对于上一个采样时刻的变化程度信息，根据变化程度信息确定至少两个第一损失函数分别对应的权重，并基于第一损失函数与权重计算拟合损失函数，利用拟合损失函数对第一声学神经网络模型进行反向传播。本发明实施例提供的技术方案，可以动态地调节各损失函数对应的权重，使得训练后得到的模型更加准确，在进行语音识别时，能够更加准确地识别出语音信息中包含的语音内容，且能够提升语音内容的识别率。

技术领域

本发明实施例涉及语音识别技术领域，尤其涉及声学神经网络模型的训练方法、语音识别方法、装置、存储介质及设备。

背景技术

随着人工智能技术的快速发展，人工神经网络得到了广泛的应用。人工神经网络又称神经网络，是一种模拟大脑神经突触联接的结构进行信息处理的模型。在语音识别领域，利用神经网络技术可以构建用于语音识别的声学神经网络模型，相比于传统的混合高斯模型以及隐马尔科夫模型等，具有很多优势。目前，声学神经网络模型的训练方案仍不够完善，需要改进。

发明内容

本发明实施例提供了声学神经网络模型的训练方法、语音识别方法、装置、存储介质及设备，可以优化现有的声学神经网络模型的训练方案。

第一方面，本发明实施例提供了一种声学神经网络模型的训练方法，该方法包括：

将当前采样时刻对应的第一语音训练样本输入至第一声学神经网络模型中，得到所述当前采样时刻对应的至少两个第一损失函数；

分别确定所述至少两个第一损失函数相对于上一个采样时刻的变化程度信息；

根据所述变化程度信息确定所述至少两个第一损失函数分别对应的权重，并基于所述至少两个第一损失函数与对应的权重计算拟合损失函数；

利用所述拟合损失函数对所述第一声学神经网络模型进行反向传播，得到第二声学神经网络模型，以实现对所述第一声学神经网络模型的训练。

第二方面，本发明实施例提供了一种语音识别方法，该方法包括：

获取待识别的语音信息；

将所述语音信息输入至预设声学神经网络模型中，其中，所述预设声学神经网络模型采用本发明实施例提供的声学神经网络模型的训练方法训练得到；

根据所述预设声学神经网络模型的输出结果对所述语音信息中的语音内容进行识别。

第三方面，本发明实施例提供了一种声学神经网络模型的训练装置，该装置包括：

训练样本输入模块，用于将当前采样时刻对应的第一语音训练样本输入至第一声学神经网络模型中，得到所述当前采样时刻对应的至少两个第一损失函数；

变化程度确定模块，用于分别确定所述至少两个第一损失函数相对于上一个采样时刻的变化程度信息；

拟合损失函数计算模块，用于根据所述变化程度信息确定所述至少两个第一损失函数分别对应的权重，并基于所述至少两个第一损失函数与对应的权重计算拟合损失函数；

模型训练模块，用于利用所述拟合损失函数对所述第一声学神经网络模型进行反向传播，得到第二声学神经网络模型，以实现对所述第一声学神经网络模型的训练。

第四方面，本发明实施例提供了一种语音识别装置，该装置包括：

语音信息获取模块，用于获取待识别的语音信息；

语音信息输入模块，用于将所述语音信息输入至预设声学神经网络模型中，其中，所述预设声学神经网络模型采用本发明实施例提供的声学神经网络模型的训练方法训练得到；