[发明专利]一种语音识别方法、装置和电子设备

权利要求书

1.一种语音识别方法，其特征在于，包括：

获取待识别语音数据；

将所述待识别语音数据的声学特征输入语音识别模型进行处理；所述语音识别模型包括编码器，所述编码器具有基于连接时序分类CTC准则训练的输出层；通过所述编码器提取所述声学特征的隐层特征，通过所述编码器的输出层对所述声学特征的隐层特征按照非自回归解码方式进行解码；

根据所述编码器的输出层的输出结果，确定语音识别结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述编码器的输出层的输出结果，确定语音识别结果，包括：

通过编码有词级别语言模型的加权有限状态转换器WFST网络，对所述编码器的输出层输出的字序列进行解码得到候选识别结果；

根据所述候选识别结果确定语音识别结果。

3.根据权利要求2所述的方法，其特征在于，所述通过编码有词级别语言模型的WFST网络，对所述编码器的输出层输出的字序列进行解码得到候选识别结果，包括：

将所述字序列输入所述WFST网络进行解码；所述WFST网络基于语言模型、词典模型、输出映射模型构建；所述语言模型用于判断词序列是否符合语法，以及该词序列出现的概率；所述词典模型，用于将词序列映射为字序列；所述输出映射模型用于将所述输出层输出的字序列射到单字；

获得所述WFST网络输出的多个候选语句和所述多个候选语句对应的评分。

4.根据权利要求2所述的方法，其特征在于，所述候选识别结果包括多个候选语句和候选语句对应的评分；所述根据所述候选识别结果确定语音识别结果，包括：

分别根据所述候选语句对应的评分，确定对应的归一化概率值；

将具有最大归一化概率值的候选语句作为语音识别结果。

5.根据权利要求2所述的方法，其特征在于，所述候选识别结果包括多个候选语句和所述多个候选语句对应的评分；所述根据所述候选识别结果确定语音识别结果，包括：

将所述候选识别结果输入所述语音识别模型的解码器；所述解码器具有基于注意力准则训练的输出层通过所述解码器的输出层对所述候选语句进行重新评分；

根据所述解码器的输出层输出的所述候选语句对应的新的评分，确定对应的归一化概率值；

将具有最大归一化概率值的候选语句作为语音识别结果。

6.根据权利要求1所述的方法，其特征在于，通过如下方式训练所述语音识别模型：

获取样本语音数据和所述样本语音数据对应的文本标注；

将所述样本语音数据的声学特征作为所述语音识别模型的编码器的输入，通过所述编码器提取所述声学特征的隐层特征，并通过所述编码器的输出层基于所述声学特征的隐层特征预测输出结果，以及根据所述编码器的输出结果和所述文本标注，按照CTC准则计算误差；

将所述编码器输出的隐层特征以及所述文本标注，作为所述语音识别模型的解码器的输入，通过所述解码器基于所述隐层特征和所述文本标注进行预测，并通过所述解码器的输出层预测输出结果，以及根据所述解码器的输出结果和所述文本标注，按照注意力准则计算误差；

基于所述按照CTC准则计算的误差和所述按照注意力准则计算误差进行模型联合参数训练。

7.根据权利要求6所述的方法，其特征在于，所述基于所述按照CTC准则计算的误差和所述按照注意力准则计算误差进行模型联合参数训练，包括：

根据所述按照CTC准则计算的误差与所述预设第一权重值的乘积，和所述按照注意力准则计算的误差与所述预设第二权重值的乘积，确定目标误差；

根据所述目标误差调整语音识别模型的参数。