[发明专利]语音识别方法、装置、电子设备和存储介质

说明书

本发明提供一种语音识别方法、装置、电子设备和存储介质，其中方法包括：对待识别语音进行语种识别，得到所述待识别语音的语种特征；基于所述语种特征，对所述待识别语音的编码特征进行语音解码，得到所述待识别语音分别在语音语种和预设语种下的识别文本，所述语音语种为所述语种特征所指示的语种。本发明提供的方法、装置、电子设备和存储介质，语音语种和预设语种的语音解码并行，无需在语音语种识别文本的基础上进行翻译，有效提高了预设语种识别文本的准确性，并且缩短了语音识别的响应时长。语音语种和预设语音的语音解码共用待识别语音的编码特征，即具备统一的建模方式，使得部署更加灵活，从而能够有效降低部署维护成本。

技术领域

本发明涉及计算机技术领域，尤其涉及一种语音识别方法、装置、电子设备和存储介质。

背景技术

语音识别技术作为人机交互的重要接口之一，给用户带来了更加便捷的体验，降低了人与机器的交互门槛。但是语言的繁杂和口音的差异，依然会导致语音识别准确率的降低，影响实际用户体验。

针对上述问题，目前为各种语种提供了单独的语音识别系统，但是需要用户主动配合选择对应语种的语音识别系统，尤其是用户在交互过程中无意识夹杂多个语种的情况，各语种独立的语音识别系统并无法对此进行准确识别。而即便用户配合，能够识别出对应语种的正确文本，对于不懂该语种的人依然无法直接理解语音的含义，还需经过翻译系统翻译，这会大大降低交互效率。

发明内容

本发明提供一种语音识别方法、装置、电子设备和存储介质，用以解决现有技术中需要人为选择语种后再行语音识别，且识别所得的文本需再行翻译，影响交互效率的问题。

本发明提供一种语音识别方法，包括：

对待识别语音进行语种识别，得到所述待识别语音的语种特征；

基于所述语种特征，对所述待识别语音的编码特征进行语音解码，得到所述待识别语音分别在语音语种和预设语种下的识别文本，所述语音语种为所述语种特征所指示的语种。

根据本发明提供的一种语音识别方法，所述基于所述语种特征，对所述待识别语音的编码特征进行语音解码，得到所述待识别语音分别在语音语种和预设语种下的识别文本，包括：

基于所述语种特征，对所述编码特征进行所述语音语种下的语音解码，得到所述待识别语音在所述语音语种下的解码特征和识别文本；

基于所述解码特征和所述语种特征，或，基于所述语种特征，对所述编码特征进行所述预设语种下的语音解码，得到所述待识别语音在所述预设语种下的识别文本。

根据本发明提供的一种语音识别方法，所述对待识别语音进行语种识别，得到所述待识别语音的语种特征，包括：

对所述待识别语音进行声学特征提取，得到所述待识别语音的声学特征；

基于所述声学特征，对所述待识别语音进行语种识别，得到所述待识别语音的语种特征；

基于所述声学特征，对所述待识别语音进行语音识别编码，得到所述待识别语音的编码特征。

根据本发明提供的一种语音识别方法，所述基于所述声学特征，对所述待识别语音进行语音识别编码，得到所述待识别语音的编码特征，包括：

基于所述声学特征和所述语种特征，对所述待识别语音进行语音识别编码，得到所述待识别语音的编码特征。

根据本发明提供的一种语音识别方法，所述基于所述声学特征，对所述待识别语音进行语种识别，得到所述待识别语音的语种特征，包括：

将所述声学特征输入至语种识别模型，由所述语种识别模型基于所述声学特征进行语种特征提取，并基于提取所得的语种特征进行语种识别，得到所述语种识别模型输出的所述待识别语音的语种；