[发明专利]语音转写方法、装置、录音设备和存储介质

权利要求书

1.一种语音转写方法，其特征在于，包括：

确定待转写音频；

基于本地存储的语音转写引擎，对所述待转写音频进行离线语音转写，所述语音转写引擎的运算资源是基于所述待转写音频的数据规格确定的。

2.根据权利要求1所述的语音转写方法，其特征在于，所述语音转写引擎的运算资源是基于如下步骤确定的：

基于所述待转写音频的数据规格，以及设备能耗状态和/或设备发热状态，或，基于所述待转写音频的数据规格，确定所述语音转写引擎的资源占比；

基于所述资源占比，从设备计算资源中确定所述语音转写引擎的运算资源。

3.根据权利要求1或2所述的语音转写方法，其特征在于，所述数据规格是基于待转写音频的数据量与存储空间的存储量确定的，所述存储空间用于存储所述待转写音频。

4.根据权利要求1或2所述的语音转写方法，其特征在于，所述基于本地存储的语音转写引擎，对所述待转写音频进行离线语音转写，包括：

基于所述语音转写引擎中的声学模型，编码所述待转写音频的声学特征，并基于所述声学特征确定第一转写结果；

基于所述语音转写引擎中的解码模型，对所述声学特征进行解码，得到第二转写结果；

基于所述语音转写引擎，对所述第一转写结果和所述第二转写结果进行融合，得到所述待转写音频的转写文本。

5.根据权利要求4所述的语音转写方法，其特征在于，所述声学模型是基于样本音频，对原始声学模型进行蒸馏训练得到的。

6.根据权利要求5所述的语音转写方法，其特征在于，所述声学模型是基于如下步骤训练得到的：

基于所述原始声学模型，确定所述样本音频的第一声学特征概率分布；

基于训练阶段的声学模型，确定所述样本音频的第二声学特征概率分布；

基于所述第一声学特征概率分布和所述第二声学特征概率分布，确定蒸馏损失值；

基于所述蒸馏损失值，对所述训练阶段的声学模型进行参数调整，得到所述声学模型。

7.根据权利要求4所述的语音转写方法，其特征在于，所述基于所述语音转写引擎，对所述第一转写结果和所述第二转写结果进行融合，得到所述待转写音频的转写文本，包括：

基于所述语音转写引擎中的文本生成模型，对所述第一转写结果和所述第二转写结果进行融合，得到所述待转写音频的转写文本；

所述文本生成模型是基于样本音频和所述样本音频的样本转写文本，联合所述声学模型和解码模型训练得到的。

8.一种语音转写装置，其特征在于，包括：

音频确定单元，用于确定待转写音频；

语音转写单元，用于基于本地存储的语音转写引擎，对所述待转写音频进行离线语音转写，所述语音转写引擎的运算资源是基于所述待转写音频的数据规格确定的。

9.一种录音设备，包括拾音设备、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述拾音设备用于录制待转写音频，所述处理器执行所述程序时实现如权利要求1至7任一项所述的语音转写方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的语音转写方法的步骤。