[发明专利]一种语音识别模型优化的方法、装置、设备和存储介质

权利要求书

1.一种语音识别模型优化的方法，其特征在于，包括：

获取第一语音集合和第二语音集合，其中，所述第一语音集合包括语音识别模型识别准确率小于准确阈值的语音，所述第二语音集合包括所述语音识别模型识别准确率大于等于所述准确阈值的语音；

根据对所述第一语音集合对应的第一文本集合和所述第二语音集合对应的第二文本集合的自然语言处理的结果，从所述第一语音集合中截取对应的语音片段，并从所述第二语音集合中截取对应的语音片段，得到第一语音片段集合和第二语音片段集合；

从所述第一语音集合、所述第一语音片段集合和所述第二语音片段集合中选择至少一个第一语音、至少一个第一语音片段和至少一个第二语音片段构成组合语音集合，并对所述组合语音集合进行标注，得到样本集合，其中，所述样本集合包括所述第一语音、所述第一语音对应识别准确的文本和所述第一语音对应的标注文本，所述第一语音片段以及对所述第一语音片段进行自然语言处理得到的文本对应准确的文本，所述第二语音片段以及所述第二语音片段对应自然语言处理得到的文本；

利用所述样本集合对所述语音识别模型进行优化。

2.根据权利要求1所述的方法，其特征在于，所述获取第一语音集合和第二语音集合，包括：

从数据库中随机抽取预设数量的语音，并利用所述语音识别模型对所述预设数量的语音进行语音识别，得到识别结果，其中所述识别结果包括每一条语音的识别准确率；

基于所述识别结果，从所述预设数量的语音中筛选识别准确率小于准确阈值的语音，得到所述第一语音集合；

基于所述识别结果，从所述预设数量的语音中筛选识别准确率大于等于所述准确阈值的语音，得到所述第二语音集合。

3.根据权利要求1或2所述的方法，其特征在于，所述根据对所述第一语音集合对应的第一文本集合和所述第二语音集合对应的第二文本集合的自然语言处理的结果，从所述第一语音集合中截取对应的语音片段，并从所述第二语音集合中截取对应的语音片段，得到第一语音片段集合和第二语音片段集合，包括：

分别对所述第一语音集合对应的第一文本集合和所述第二语音集合对应的第二文本集合进行自然语言处理，得到第一文本片段集合和第二文本片段集合；

基于所述第一文本片段集合从所述第一语音集合中截取对应的语音片段，并基于所述第二文本片段集合，从所述第二语音集合中截取对应的语音片段，得到所述第一语音片段集合和所述第二语音片段集合。

4.根据权利要求1或2所述的方法，其特征在于，所述从所述第一语音集合、所述第一语音片段集合和所述第二语音片段集合中选择至少一个第一语音、至少一个第一语音片段和至少一个第二语音片段构成组合语音集合，并对所述组合语音集合进行标注，得到样本集合，包括：

确定所述样本集合中所述第一语音、所述第一语音片段和所述第二语音片段的比例，其中所述样本集合中所述第一语音、所述第一语音片段和所述第二语音片段的比例是分别基于所述第一语音集合、所述第一语音片段集合和所述第二语音片段集合中每一集合对应的全部语音的总时长确定的；

基于所述样本集合中所述第一语音、所述第一语音片段和所述第二语音片段的比例，确定所述组合语音集合，并对所述组合语音集合进行标注，得到样本集合，其中所述组合语音集合是基于所述样本集合中所述第一语音、所述第一语音片段和所述第二语音片段的比例，从所述第一语音集合、所述第一语音片段集合和所述第二语音片段集合中选择对应数量的所述第一语音、所述第一语音片段和所述第二语音片段得到的。

5.根据权利要求1或2所述的方法，其特征在于，在所述利用所述样本集合对所述语音识别模型进行优化之后，所述方法还包括：

利用测试集中的语音对优化后的语音识别模型进行测试，得到测试结果；

若所述测试结果显示所述优化后的语音识别模型对所述测试集中的语音的识别准确率低于预设的第二准确阈值，增加所述样本集合中所述第一语音的比例，并对所述优化后的语音识别模型进行优化；

若所述测试结果显示所述优化后的语音识别模型对所述测试集中的语音进行自然语言处理得到的结果的准确率低于预设的第三准确阈值，增加所述样本集合中所述第一语音片段和所述第二语音片段的比例，并对所述优化后的语音识别模型进行优化。