[发明专利]一种语音识别方法、装置和计算机设备

权利要求书

1.一种语音识别方法，其特征在于，包括：

获取目标语言下语音数据的至少一个语音特征帧；

对所述至少一个语音特征帧进行音素对齐，得到所述语音数据在所述目标语言中的目标音素集合；

对所述至少一个语音特征帧进行词单元对齐，得到所述语音数据在所述目标语言中的目标词集合，其中，所述目标词集合包括每个语音特征帧对应的词单元；

对所述至少一个语音特征帧进行文本映射，得到所述语音数据在目标语言中的初始语音识别文本；

根据所述目标音素集合和所述目标词集合，对所述初始语音识别文本进行调整，得到并输出所述语音数据的语音识别文本。

2.如权利要求1所述的方法，其特征在于，所述对所述至少一个语音特征帧进行音素对齐，得到所述语音数据在所述目标语言中的目标音素集合，包括：

在预设音素搜索空间中将每个语音特征帧进行路径搜索，得到至少一个音素搜索路径；

计算所述语音特征帧在每个音素搜索路径上的累积概率；

根据所述累积概率确定所述语音数据的目标音素集合。

3.如权利要求2所述的方法，其特征在于，所述预设音素搜索空间包括多个音素集合；所述在预设音素搜索空间中将每个语音特征帧进行路径搜索，得到至少一个音素搜索路径，包括：

将所述语音特征帧在音素粒度下进行特征增强，得到所述语音特征帧的音素特征；

根据所述音素特征，在所述多个音素集合中筛选出目标音素集合；

根据所述音素特征，在所述目标音素集合中进行音素搜索，并根据搜索结果生成至少一个音素搜索路径。

4.如权利要求3所述的方法，其特征在于，所述音素集合包括至少一个预设音素；所述根据所述音素特征，在所述目标音素集合中进行音素搜索，并根据搜索结果生成至少一个音素搜索路径，包括：

分别计算所述音素特征和所述至少一个预设音素之间的匹配概率；

根据所述匹配概率，在所述至少一个预设音素中确定目标音素；

将每个音素特征的目标音素进行关联，得到目标搜索路径。

5.如权利要求1所述的方法，其特征在于，所述对所述至少一个语音特征帧进行词单元对齐，得到所述语音数据在所述目标语言中的目标词集合，包括：

在预设词典搜索空间中将每个语音特征帧进行路径搜索，得到至少一个词单元搜索路径；

计算所述语音特征帧在每个词单元搜索路径上的累积概率；

根据所述累积概率确定所述语音特征帧的目标词集合。

6.如权利要求1所述的方法，其特征在于，所述对所述至少一个语音特征帧进行文本映射，得到所述语音数据在目标语言中的初始语音识别文本，包括：

对所述语音特征帧在多个注意力维度上进行注意力特征提取，得到所述语音特征帧在各个注意力维度上的注意力特征；

对所述各个注意力维度上的注意力特征进行解码，得到所述语音数据在目标语言中的初始语音识别文本。

7.如权利要求1所述的方法，其特征在于，所述根据所述目标音素集合和所述目标词集合，对所述初始语音识别文本进行调整，得到并输出所述语音数据的语音识别文本，包括：

识别所述初始语音识别文本的音素信息；

利用所述目标音素集合对所述音素信息进行调整，得到音素调整后语音识别文本；

利用所述目标词集合对所述音素调整后语音识别文本进行调整，得到并输出所述语音数据的语音识别文本。