[发明专利]一种语音关键词的识别方法及系统

说明书

本发明公开了一种语音关键词的识别方法及系统，所述方法可以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，然后采用预设的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，接着再采用所述预设的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，最后通过所述训练模型进行语音识别。本发明可以充分利用开源的数据集进行网络预训练，既可以避免因数据集中包含大量垃圾词而降低正确识别率的问题，又可以避免因原有训练模型的框架过大而导致关键词调整难的问题，从而有效提高识别准确率和效率，增加识别的灵活性和实用性。

技术领域

本发明涉及语音识别的技术领域，尤其涉及一种语音关键词的识别方法及系统。

背景技术

随着物联网的快速发展，物联网设备的越发普及，为了提高用户使用物联网设备与用户的交互效率，通常会在设备中加入语音识别模型，通过语音识别模型识别用户的意图并执行相应的操作。

目前常用的语音识别模型的语音识别方法可以细分为大词汇量的asr识别、小词汇量识别以及关键词识别。具体是采用用户输入的训练数据集，对数据集信息上述识别方法进行神经网络训练，从而生成对应语音识别模型进行语音识别。

但目前常用的语音识别模型有如下技术问题：识别训练所需的数据集要求很高，若数据集的关键词数量小，数据集内会包含大量无关紧要的词汇，降低识别的准确率，若数据集包含大量特定关键词进行训练，则用户需要在前期花费大量时间进行词语采集，既增加训练难度，也降低训练效率；而且由于训练后的语音识别模型是采用单一数据集训练，使得语音识别模型难调整，进一步降低模型的灵活性和实用性。

发明内容

本发明提出一种语音关键词的识别方法及系统，所述方法可以降低训练难度，增加训练效率，提高识别准确率。

本发明实施例的第一方面提供了一种语音关键词的识别方法，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。

在第一方面的一种可能的实现方式中，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。

在第一方面的一种可能的实现方式中，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。

在第一方面的一种可能的实现方式中，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；