[发明专利]语音识别方法、装置、电子设备及计算机可读介质

说明书

本公开涉及一种语音识别方法、装置、电子设备及计算机可读介质，属于人工智能技术领域。该方法包括：获取待识别的语音特征序列，将语音特征序列输入语音识别系统中；通过语音识别系统中的编码器得到语音特征序列对应的语义特征向量序列，其中，语音识别系统的编码器中包含多组混合专家网络模块，不同组的混合专家网络模块中的神经网络参数的权重共享；通过语音识别系统中的解码器对语义特征向量序列进行解码处理，得到语音特征序列对应的文本序列。本公开通过将待识别的语音特征序列输入语音识别系统中，该语音识别系统的编码器中包含多组混合专家网络模块，不同组的混合专家网络模块权重共享，可以减少模型的参数量，节约系统资源。

技术领域

本公开涉及人工智能技术领域，具体而言，涉及一种语音识别方法、语音识别装置、电子设备及计算机可读介质。

背景技术

语音识别系统能够将人类语音识别为文本，从而便于后续的文本信息处理系统对其进行处理。语音识别系统被广泛地应用于人机交互、多媒体内容理解等系统当中。

目前，模块化的语音识别系统的流程一般较为复杂，而现有的端到端语音识别系统存在过参数化的问题，由于模型的参数量过大，导致模型的存储占用量也很大，影响后续系统的部署和应用。

鉴于此，本领域亟需一种语音识别方法，能够减少模型的参数量，节约系统资源。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种语音识别方法、语音识别装置、电子设备及计算机可读介质，进而至少在一定程度上能够减少模型的参数量，节约系统资源。

根据本公开的第一个方面，提供一种语音识别方法，包括：

获取待识别的语音特征序列，将所述语音特征序列输入语音识别系统中；

通过所述语音识别系统中的编码器得到所述语音特征序列对应的语义特征向量序列，其中，所述语音识别系统的编码器中包含多组混合专家网络模块，不同组的所述混合专家网络模块中的神经网络参数的权重共享；

通过所述语音识别系统中的解码器对所述语义特征向量序列进行解码处理，得到所述语音特征序列对应的文本序列。

在本公开的一种示例性实施例中，所述通过所述语音识别系统中的编码器得到所述语音特征序列对应的语义特征向量序列，包括：

将所述语音特征序列输入所述语音识别系统的编码器中的第一组所述混合专家网络模块中；

依次将上一组所述混合专家网络模块的输出特征序列输入至当前所述混合专家网络模块，得到当前所述混合专家网络模块的输出特征序列，其中，各组所述混合专家网络模块串行连接；

根据最后一组所述混合专家网络模块的输出特征序列得到所述语音特征序列对应的语义特征向量序列。

在本公开的一种示例性实施例中，所述混合专家网络模块中包括前馈神经网络、自注意力网络、卷积网络、混合专家网络以及归一化层，所述依次将上一组所述混合专家网络模块的输出特征序列输入至当前所述混合专家网络模块，得到当前所述混合专家网络模块的输出特征序列，包括：

将上一组所述混合专家网络模块的输出特征序列输入至当前所述混合专家网络模块的前馈神经网络中，得到所述前馈神经网络的输出特征序列；

将所述前馈神经网络的输出特征序列输入至所述自注意力网络，得到所述自注意力网络的输出特征序列；

将所述自注意力网络的输出特征序列输入至所述卷积网络，得到所述卷积网络的输出特征序列；

将所述卷积网络的输出特征序列输入至所述混合专家网络，得到所述混合专家网络的输出特征序列；