[发明专利]一种音频的处理方法、装置以及存储介质

权利要求书

1.一种音频的处理方法，其特征在于，包括：

获取待识别音频；

响应于针对所述待识别音频的识别模式对所述待识别音频进行识别；

若所述识别模型为流式识别，则提取循环神经网络中的前向分支，所述前向分支包括前向模型和第一全连接层；

将所述待识别音频输入所述循环神经网络，以基于所述前向模型提取所述待识别音频对应的实时音频帧中的前向特征信息，并通过所述第一全连接层对所述前向特征信息进行全连接得到全连接信息，以基于所述全连接信息解析得到流式识别结果。

2.根据权利要求1所述的方法，其特征在于，所述循环神经网络包括所述前向分支和后向分支，所述后向分支包括后向模型和第二全连接层，所述方法还包括：

若所述识别模型为非流式识别，则将所述待识别音频输入所述前向分支中的所述前向模型，以得到对应的前向特征信息；

将所述待识别音频输入所述循环神经网络中的所述后向分支中的所述后向模型，以得到对应的后向特征信息；

将所述前向特征信息与所述后向特征信息进行拼接，以得到第一拼接信息；

将所述第一拼接信息输入所述第二全连接层，以基于所述目标特征信息确定非流式识别结果。

3.根据权利要求1所述的方法，其特征在于，所述后向分支用于进行与所述前向分支相同方向的特征提取，所述方法还包括：

若所述识别模型为流式识别，则将所述待识别音频分别输入所述前向分支和所述后向分支；

将所述前向分支和所述后向分支输出的特征信息进行拼接，以得到第二拼接信息；

基于所述第二拼接信息进行流式识别。

4.根据权利要求3所述的方法，其特征在于，所述后向分支还包括时序反向模块，所述方法还包括：

若所述识别模型为非流式识别，则将所述待识别音频输入输入所述循环神经网络中的所述前向分支，以得到前向特征信息；

将所述待识别音频输入所述时序反向模块，以得到反向音频；

将所述反向音频输入所述后向分支中的后向模型，以得到后向特征信息；

对所述后向特征信息进行反向操作后，将所述前向特征信息与反向操作后的所述后向特征信息进行拼接，以得到第三拼接信息；

将所述第三拼接信息输入第三全连接层，以基于所述第三拼接信息确定非流式识别结果，所述第三全连接层为所述前向分支与所述后向分支共享。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述循环神经网络还包括归一化层和残差连接层，所述方法还包括：

将第一全连接层和第二全连接层或第三全连接层输入的全连接信息输入所述归一化层，以得到归一化信息；

将所述归一化信息输入所述残差连接层进行参数优化，以得到优化信息；

基于所述优化信息进行音频识别。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

获取预设非流式模型；

对所述预设非流式模型进行训练，以得到非流式参数；

将所述非流式参数作为流式模型的模型参数，以进行流式识别。

7.一种音频的处理装置，其特征在于，包括：

获取单元，用于获取待识别音频；

确定单元，用于响应于针对所述待识别音频的识别模式对所述待识别音频进行识别；

处理单元，用于若所述识别模型为流式识别，则提取循环神经网络中的前向分支，所述前向分支包括前向模型和第一全连接层；

所述处理单元，还用于将所述待识别音频输入所述循环神经网络，以基于所述前向模型提取所述待识别音频对应的实时音频帧中的前向特征信息，并通过所述第一全连接层对所述前向特征信息进行全连接得到全连接信息，以基于所述全连接信息解析得到流式识别结果。

8.一种计算机设备，其特征在于，所述计算机设备包括处理器以及存储器：

所述存储器用于存储程序代码；所述处理器用于根据所述程序代码中的指令执行权利要求1至6任一项所述的音频的处理方法。