[发明专利]用于减少语音识别延迟的自适应帧批处理

权利要求书

1.一种系统，包括：

处理单元；以及

存储设备，所述存储设备包括程序代码，所述程序代码在由所述处理单元执行时使所述系统：

确定用于处理音频信号的第一批次尺寸；

收集第一批次，所述第一批次包括第一数目的所述音频信号的原始声学特征帧，所述第一数目等于所述第一批次尺寸；

将所述第一批次输入到语音识别网络；

基于由所述语音识别网络输出的单词假设来确定第二批次尺寸，所述第二批次尺寸大于所述第一批次尺寸；

收集第二批次，所述第二批次包括第二数目的所述音频信号的声学特征帧，所述第二数目等于所述第二批次尺寸；以及

将所述第二批次输入到所述语音识别网络。

2.根据权利要求1所述的系统，其中基于所述单词假设来确定所述第二批次尺寸包括：检测由所述语音识别网络输出的第一非静默单词假设以及响应于所述检测来确定所述第二批次尺寸。

3.根据权利要求1所述的系统，所述程序代码在由所述处理单元执行时使所述系统：

收集多个批次，所述多个批次中的每个批次包括所述第一数目的所述音频信号的声学特征帧；

将所述多个批次输入到所述语音识别网络，直到所述单词假设由所述语音识别网络输出。

4.根据权利要求1所述的系统，所述程序代码在由所述处理单元执行时使所述系统：

检测语音结束帧；以及

减少声学特征帧的下一收集批次的尺寸，以将所述语音结束帧作为所述下一收集批次的最后一帧。

5.根据权利要求1所述的系统，其中所述第一批次尺寸包括先行帧的第一数目，并且所述第一批次包括第一先行帧，所述第一批次的所述第一先行帧的数目等于所述先行帧的第一数目，所述程序代码在由所述处理单元执行时使所述系统：

收集第三批次，所述第三批次包括所述第一数目的所述音频信号的声学特征帧，与所述第三批次的多个帧相关联的时间段和与所述第一批次的所述第一先行帧相关联的时间段重叠，

其中确定所述第二批次尺寸包括：确定先行帧的第二数目，以及

其中所述第二批次包括第二先行帧，所述第二批次的所述第二先行帧的数目等于所述先行帧的第二数目。

6.根据权利要求5所述的系统，其中所述语音识别网络包括延迟控制的双向长短期记忆模型。

7.根据权利要求1所述的系统，其中所述第一批次尺寸包括先行帧的第一数目，并且所述第一批次包括第一先行帧，所述第一批次的所述第一先行帧的数目等于所述先行帧的第一数目，所述程序代码在由所述处理单元执行时使所述系统：

收集第三批次，所述第三批次包括所述第一数目的所述音频信号的声学特征帧，与所述第三批次的多个帧相关联的时间段和与所述第一批次的所述第一先行帧相关联的时间段重叠，

其中所述第二批次包括第二先行帧，所述第二批次的所述第二先行帧的数目等于所述先行帧的第一数目。

8.根据权利要求7所述的系统，其中所述语音识别网络包括上下文层轨迹长短期记忆模型。

9.一种计算机实现的方法，包括：

收集第一批次的音频信号的声学特征帧，所述第一批次的所述声学特征帧的数目等于第一批次尺寸；

将所述第一批次输入到语音识别网络；

响应于检测由所述语音识别网络输出的单词假设，收集第二批次的所述音频信号的声学特征帧，所述第二批次的所述声学特征帧的数目等于第二批次尺寸，所述第二批次尺寸大于所述第一批次尺寸；以及

将所述第二批次输入到所述语音识别网络。

10.根据权利要求9所述的方法，其中检测所述单词假设包括：检测由所述语音识别网络输出的第一非静默单词假设。