[发明专利]基于语义场景的语音识别方法、装置、设备及介质

权利要求书

1.一种基于语义场景的语音识别方法，其特征在于，所述方法包括：

获取待识别语音，解析所述待识别语音的音频特征，其中，所述音频特征包括声学特征和音色特征；

利用语音识别模型对所述声学特征进行语音识别，得到语音识别结果；

根据所述音色特征，利用语义识别模型检测所述语音识别结果中的异常字符；

判断所述异常字符是否符合预设的语义场景；

若所述异常字符符合所述预设的语义场景，将所述语音识别结果作为所述待识别语音的最终识别结果；

若所述异常字符不符合所述预设的语义场景，从预设的字符表中选取所述异常字符的替换字符，以更新所述语音识别结果，得到所述待识别语音的最终识别结果。

2.如权利要求1所述的基于语义场景的语音识别方法，其特征在于，所述解析所述待识别语音的音频特征，包括：

对所述待识别语音进行预处理，并将预处理后的所述待识别语音进行短时傅里叶变换，得到所述待识别语音的声谱图；

对所述声谱图进行梅尔谱滤波，并将梅尔谱滤波后的声谱图进行倒谱分析，得到所述待识别语音的梅尔谱图；

识别所述梅尔谱图中的声学特征和音色特征，得到所述待识别语音的音频特征。

3.如权利要求1所述的基于语义场景的语音识别方法，其特征在于，所述利用语音识别模型对所述声学特征进行语音识别，得到语音识别结果，包括：

利用所述语音识别模型中的声学模型计算所述声学特征的音素序列概率；

根据所述音素序列概率，利用所述语音识别模型的语言网络计算所述声学特征的文字序列；

根据所述文字序列，生成所述待识别语音的语音识别结果。

4.如权利要求1至3中任意一项所述的基于语义场景的语音识别方法，其特征在于，所述根据所述音色特征，利用语义识别模型检测所述语音识别结果中的异常字符，包括：

根据所述音色特征，定位所述语音识别结果中的异常音频区域；

将所述异常音频区域输入至所述语义识别模型中，以通过所述语义识别模型中的注意力机制检测所述异常音频区域的语义信息；

根据所述语义信息，利用所述语义识别模型中的分类网络识别所述异常音频区域中的异常字符。

5.如权利要求4所述的基于语义场景的语音识别方法，其特征在于，所述根据所述音色特征，定位所述语音识别结果中的异常字符区域，包括：

识别所述语音识别结果的音频序列，并根据所述音色特征，识别所述语音识别结果的音色序列；

在所述音频序列与所述音色序列不一致时，定位所述语音识别结果中的异常音频区域。

6.如权利要求4所述的基于语义场景的语音识别方法，其特征在于，所述通过所述语义识别模型中的注意力机制检测所述异常音频区域的语义信息，包括：

利用所述注意力机制中的编码层对所述异常音频区域中每个字符进行位置向量编码，得到编码字符；

利用所述注意力机制中的编码器对所述编码字符进行特征提取，得到特征编码字符；

利用所述注意力机制中的解码器对所述特征编码字符进行序列解码，得到字符序列信息；

根据所述字符序列信息，利用所述注意力机制中的前向网络输出所述异常音频区域的语义信息。

7.如权利要求1所述的基于语义场景的语音识别方法，其特征在于，所述判断所述异常字符是否符合预设的语义场景，包括：

获取所述异常字符的异常位置，根据所述异常位置，识别所述异常字符的语义信息；

将所述语义信息与所述预设的语义场景进行匹配；

若所述语义信息与所述预设的语义场景匹配失败，则所述异常字符不符合所述预设的语义场景；

若所述语义信息与所述预设的语义场景匹配成功，则所述异常字符符合所述预设的语义场景。