[发明专利]一种语音关键词的识别方法及系统

权利要求书

1.一种语音关键词的识别方法，其特征在于，所述方法包括：

获取预设的语音数据集；

从所述预设的语音数据集中提取fbank特征，并对所述fbank特征进行归一化处理得到归一化特征；

采用预设的seq2seq+attention对所述归一化特征进行不定长序列的模型训练，得到语音识别模型；

获取预设的asr模型，并采用所述预设的asr模型对所述语音识别模型进行端对端的模型训练调整得到训练模型；

采用所述训练模型进行语音识别。

2.根据权利要求1所述的语音关键词的识别方法，其特征在于，所述从所述预设的语音数据集中提取fbank特征，包括：

获取所述语音数据集的语音波形；

对所述语音波形分别进行预操作得到预操作波形，其中所述预操作包括：预加重、分帧和加窗操作；

对所述预操作波形进行快速傅立叶变换得到波形绝对值；

采用预设的梅尔滤波器组过滤所述波形绝对值得到fbank特征。

3.根据权利要求1或2所述的语音关键词的识别方法，其特征在于，所述对所述fbank特征进行归一化处理得到归一化特征，包括：

采用预设的IIR低通滤波器对所述fbank特征进行低通滤波得到低通滤波特征；

对所述低通滤波特征进行自动增益控制和非线性压缩，得到归一化特征。

4.根据权利要求1所述的语音关键词的识别方法，其特征在于，所述采用预设的seq2seq+attention模型对所述fbank特征进行不定长序列的模型训练，得到语音识别模型，包括：

将所述归一化特征转换生成特征序列；

将所述特征序列输入至所述预设的seq2seq+attention模型进行不定长序列的模型训练，得到语音识别模型。

5.根据权利要求1所述的语音关键词的识别方法，其特征在于，所述预设的asr模型具体为用户预先训练且包含关于音素级别的声学特征的模型。

6.根据权利要求1所述的语音关键词的识别方法，其特征在于，所述预设的语音数据集为开源的数据集，具体包括：若干数量的asr语音数据集和若干数量的关键词数据集。

7.一种语音关键词的识别系统，其特征在于，所述系统包括：

获取模块，用于获取预设的语音数据集；

归一化模块，用于从所述预设的语音数据集中提取fbank特征，并对所述fbank特征进行归一化处理得到归一化特征；

训练模块，用于采用预设的seq2seq+attention对所述归一化特征进行不定长序列的模型训练，得到语音识别模型；

调整模块，用于获取预设的asr模型，并采用所述预设的asr模型对所述语音识别模型进行端对端的模型训练调整得到训练模型；

识别模块，用于采用所述训练模型进行语音识别。

8.根据权利要求7所述的语音关键词的识别系统，其特征在于，所述归一化模块还用于：

获取所述语音数据集的语音波形；

对所述语音波形分别进行预操作，预操作波形，其中所述预操作包括：预加重、分帧和加窗操作；

对所述预操作波形进行快速傅立叶变换得到波形绝对值；

采用预设的梅尔滤波器组过滤所述波形绝对值得到fbank特征。

9.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任意一项所述的语音关键词的识别方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-6任意一项所述的语音关键词的识别方法。