“G10L15/06”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果1805个，建议您升级VIP下载更多相关专利

[发明专利]语音模型训练方法、语音识别方法、装置及电子设备-CN202310528347.2在审
发明人：侯雷静;高莹莹;张世磊;邵琪杰 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2023-05-11 - 公布日： 2023-10-20 - 主分类号： G10L15/06 文献下载
摘要：本申请公开了一种语音模型训练方法、语音识别方法、装置及电子设备，涉及语音识别技术领域，以解决现有口音语音识别方法准确率较低的问题。该方法包括：获取语音样本集，语音样本集中每个语音样本均标注有字标签，且每个语音帧均标注有口音标签；利用语音样本集对口音语音识别模型进行训练，口音语音识别模型中的声学特征提取模块用于提取输入语音的声学特征，编码器用于将声学特征编码为声学表征向量，解码器用于依据声学表征向量预测拼音序列，口音分类器用于依据声学表征向量输出帧级口音类别信息，翻译器用于依据帧级口音类别信息翻译拼音序列，获得字序列。本申请实施例能够提高口音语音识别的准确率。
语音模型训练方法识别装置电子设备

[发明专利]模型更新方法、装置、设备及存储介质-CN202211351580.X在审
发明人：杨一帆;陆柯峰;荣玉军;罗红 -专利权人：中移（杭州）信息技术有限公司;中国移动通信集团有限公司
申请日： 2022-10-31 - 公布日： 2023-10-20 - 主分类号： G10L15/06 文献下载
摘要：本公开实施例公开了一种模型更新方法、装置、设备及存储介质，其中，所述方法包括：响应于接收用户终端发送的音频信息，利用平台端的平台模型对音频信息进行识别，得到第一识别结果；将第一识别结果发送至用户终端；接收用户终端上传的更新后的端侧模型；其中，更新后的端侧模型是用户终端基于第一识别结果和第二识别结果对初始的端侧模型进行更新得到的，第二识别结果是由端侧模型对音频信息进行识别得到的；对更新后的端侧模型和平台模型进行融合，得到更新后的平台模型。本公开实施例可以提高模型更新的效率和自动化程度。
模型更新方法装置设备存储介质

[发明专利]结合梯度引导的语音识别对抗防御方法及装置-CN202311154761.8在审
发明人：肖韬睿 -专利权人：中国电子科技集团公司第十五研究所
申请日： 2023-09-08 - 公布日： 2023-10-20 - 主分类号： G10L15/06 文献下载
摘要：本申请公开了结合梯度引导的语音识别对抗防御方法及装置，该方法包括：计算损失函数，所述损失函数包括连接时序类分类损失和最优运输损失，在有监督场景中，计算连接时序类分类损失，在无监督场景中，计算最优运输损失；计算样本间的余弦距离；基于所述余弦距离和所述连接时序类分类损失计算最大损失，并通过迭代降低所述连接时序类分类损失的值；结合利用所述连接时序类分类损失和所述最优运输损失，生成新的对抗样本，使用所述新的对抗样本对所述语音识别模型f进行对抗训练。本申请能够获得更强的对抗样本，将有助于进行对抗训练；同时在ASR模型输出时利用梯度引导来防御针对分类器的对抗攻击，提高ASR模型的鲁棒性。
结合梯度引导语音识别对抗防御方法装置

[发明专利]音频挑选的方法、装置、电子设备和可读存储介质-CN202110661720.2有效
发明人：罗研朝;武卫东 -专利权人：北京捷通数智科技有限公司
申请日： 2021-06-15 - 公布日： 2023-10-20 - 主分类号： G10L15/06 文献下载
摘要：本申请公开了一种音频挑选方法、装置、电子设备和可读存储介质，属于人工智能领域。音频挑选方法，包括：获取部分音频，利用预设的第一模型识别所述音频，生成音频转写结果，根据所述音频转写结果生成第二模型，根据所述音频转写结果对应于所述第一模型与第二模型的概率不同，对所述音频进行挑选。从而解决了现有技术在挑选音频时，挑选到识别较好的音频，降低了标注的有益效果和收益的问题。
音频挑选方法装置电子设备可读存储介质

[发明专利]一种语音识别模型的训练方法、使用方法及训练系统-CN202210928141.4有效
发明人：王满洪 -专利权人：荣耀终端有限公司
申请日： 2022-08-03 - 公布日： 2023-10-20 - 主分类号： G10L15/06 文献下载
摘要：本申请实施例应用于人工智能语音识别领域，提供一种语音识别模型的训练方法、使用方法及训练系统。包括获取训练样本；判断样本文本的当前字符种类，当样本文本的当前字符种类为仅中文字符时，利用预设词库对样本文本分词，得到第一分词结果；在字符长度大于1的第一文本单元前插入第一标识符，以及在字符长度等于1的第一文本单元前插入第二标识符，得到第二分词结果；对每个第一标识符之后的第一文本单元按字切分，并在切分后的相邻两个字符之间插入分隔符，得到第一训练文本；根据样本音频和第一训练文本训练初始语音识别模型。本申请实施例的技术方案能够将基于字粒度的文本单元伪装成基于词粒度的文本单元，提高语音识别模型的识别效果。
一种语音识别模型训练方法使用方法系统

[发明专利]一种语音识别方法、装置、电子设备及存储介质-CN202310308200.2有效
发明人：赵晴 -专利权人：镁佳（北京）科技有限公司
申请日： 2023-03-27 - 公布日： 2023-10-20 - 主分类号： G10L15/06 文献下载
摘要：本发明提供了一种语音识别方法、装置、电子设备及存储介质，其中，一种语音识别方法包括：获取音频数据；对所述音频数据进行特征提取，得到音频特征信息；将所述音频特征信息输入至待训练语音识别模型进行训练，输出第一概率矩阵；将所述第一概率矩阵经过Mask掩码处理，生成第二概率矩阵，所述第二概率矩阵为有效音频时间的概率矩阵；根据所述第二概率矩阵进行损失计算，并得到语音识别模型；利用所述语音识别模型对待识别音频数据进行识别，得到语音识别结果。本发明可解决现有语音识别在数字信号处理器等硬件设备上的识别不准确的缺陷的技术问题。
一种语音识别方法装置电子设备存储介质

[发明专利]一种边缘端运行的接发列车标准用语识别方法-CN202310812874.6在审
发明人：姜磊;璩泽刚;卜禹;汤伟伟 -专利权人：南京富岛信息工程有限公司
申请日： 2023-07-04 - 公布日： 2023-10-17 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了一种边缘端运行的接发列车标准用语识别方法，首先根据接发列车业务建立标准用语库；接着采集值班员接发列车音频数据，依据标准用语库，清洗出作业音频及噪声音频；然后基于改进的深度学习语音生成算法输入标准用语和噪声音频数据合成虚拟人接发列车音频数据；进一步将清洗出的值班员作业音频数据、合成的接发列车音频数据和开源音频训练集，整合成融合数据集；最后将数据集划分成训练集、验证集、测试集送入轻量级端到端语音识别网络训练接发列车标准用语识别模型，部署到边缘端运行。该方法抗非标准用语和噪声干扰能力强能准确实时识别出值班员作业过程中接发列车语音话术，为监管接发列车标准化作业提供坚实的技术支撑。
一种边缘运行列车标准用语识别方法

[发明专利]一种基于多版本预处理序列融合的对抗样本还原方法-CN202310846992.9在审
发明人：陈阳;陈凯;汪哲贤 -专利权人：东南大学
申请日： 2023-07-11 - 公布日： 2023-10-13 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了一种即插即用的语音对抗样本防御方法，首先通过高斯噪声对输入的语音进行平滑处理，生成具有细微不同的平滑语音序列，然后将平滑语音序列输入到多版本预处理算法模块，用不同实现的压缩算法和增强算法对平滑语音进行处理，生成多版本语音序列；接着将生成的多版本语音序列输入到语音识别系统中，获取对应的语音转录文本序列；最后通过众数投票权重分配(Mode Voting Weight Allocation,MVWA)方法对各个文本序列进行权重分配，然后根据权重以识别器输出投票错误减少(Recognizer Output Voting ErrorReduction,ROVER)算法对输入语音的良性转录进行估计。通过本发明能够实现将有攻击性的对抗样本还原成良性样本，提高了语音识别系统的安全性能，为对抗样本的防御提供了一种有效的还原方法。
一种基于版本预处理序列融合对抗样本还原方法

[发明专利]重打分模型训练方法、语音识别方法及相关装置-CN201911413152.3有效
发明人：李安;陈江;胡正伦;傅正佳 -专利权人：广州市百果园信息技术有限公司
申请日： 2019-12-31 - 公布日： 2023-10-13 - 主分类号： G10L15/06 文献下载
摘要：本发明实施例公开了一种重打分模型训练方法、语音识别方法及相关装置，训练方法包括：获取语音数据样本的多个语音识别结果和语音数据样本的第一标签，第一标签为预先标注的标签；获取语音识别结果在多个不同语言模型下的分数；基于语音识别结果、分数和第一标签获得语音数据样本的样本特征向量和第二标签；采用样本特征向量和第二标签训练模型得到重打分模型。本发明实施例挖掘第二标签和不同语言模型打分的分数隐含的内在关联，以得到不同语言模型的打分分数的最佳组合方式，排除了人为主观性因素，确保了语音识别结果的准确度，即时各个语言模型打分机制改变，也无需修改各个分数之间的权重，提高了重打分模型的通用性和普适性。
打分模型训练方法语音识别相关装置

[发明专利]一种语音识别方法、装置、设备和存储介质-CN201911410013.5有效
发明人：胡正伦;傅正佳;李安 -专利权人：广州市百果园信息技术有限公司
申请日： 2019-12-31 - 公布日： 2023-10-13 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了一种语音识别方法、装置、设备和存储介质，其中，该方法包括将采集到的语音数据输入到预先训练的抗噪模型进行抗噪处理；根据预设语音识别模型识别所述抗噪模型输出的抗噪语音数据；获取所述预设语音识别模型输出的语音识别结果。本发明实施例的技术方案，通过抗噪模型预先对语音数据进行处理，降低噪声对语音信号的识别，提高语音数据的识别准确率。
一种语音识别方法装置设备存储介质

[发明专利]一种教学声场环境的去噪方法-CN202310430698.X有效
发明人：吴晓涛;张旺宝;谭国燊;李志华 -专利权人：珠海谷田科技有限公司
申请日： 2023-04-20 - 公布日： 2023-10-13 - 主分类号： G10L15/06 文献下载
摘要：本申请适用于语音处理技术领域，提供了一种教学声场环境的去噪方法，该方法包括：获取待处理音频，其中，待处理音频为教学声场环境中的音频；提取待处理音频中的第一音频特征向量；将第一音频特征向量输入至预先训练的噪音去除目标模型，得到预测音频；对预测音频进行音频去噪判定，将判定结果为音频去噪成功对应的预测音频作为目标音频。可见，本申请实施例可以有效去除教学声场环境中的噪音。
一种教学声场环境方法

[发明专利]一种语音唤醒与检测模型的生成方法、装置、设备及介质-CN202310619710.1有效
发明人：李蒙 -专利权人：镁佳（北京）科技有限公司
申请日： 2023-05-29 - 公布日： 2023-10-13 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了一种语音唤醒与检测模型的生成方法、装置、设备及介质，方法包括：获取第一语音数据集和第二语音数据集，第一语音数据集为无标注语音数据集，第二语音数据集为基于语音合成技术生成的语音数据集；将第一语音数据集输入至预构建的语音模型中，采用自监督预训练的方式对语音模型进行训练，生成语音预训练模型；将第二语音数据集输入至语音预训练模型中，对语音预训练模型进行多任务学习训练，生成语音唤醒与检测模型，多任务学习训练包括语音检测训练和语音唤醒训练。本发明通过上述方式，即可通过无标注的方式实现唤醒，降低唤醒对人工标注的依赖性，从而使得唤醒成本变低。
一种语音唤醒检测模型生成方法装置设备介质

[发明专利]操作语音识别服务的方法、电子设备和支持该设备的系统-CN201810264599.8有效
发明人： B.M.吴;具翰俊;禹景久;李相勋;李仁种;郑晳荣;金炅泰;金知贤;张东镐 -专利权人：三星电子株式会社
申请日： 2018-03-28 - 公布日： 2023-10-13 - 主分类号： G10L15/06 文献下载
摘要：提供了一种电子设备。所述电子设备包括通信模块、根据用户语音接收话音输入的麦克风、储存关于语音识别服务的操作的信息的存储器、显示器、和与通信模块、麦克风、存储器、和显示器电连接的处理器。处理器被配置成计算与语音识别服务的操作关联的指定数值，向处理话音输入的第一外部设备传递关于该数值的信息，并且取决于数值向第一外部设备传递对于与从所述第一外部设备逐步提供的语音识别服务关联的至少一个功能当中对应于所计算的数值的功能的请求，来改进通过该电子设备支持的语音识别服务的功能。
操作语音识别服务方法电子设备支持设备系统

[发明专利]用于语音转写的方法、装置、开发平台和存储介质-CN202310652136.X在审
发明人：朱会峰;李英汉;张俞静;刘莹;闫广群;吴明辉 -专利权人：北京明略昭辉科技有限公司
申请日： 2023-06-02 - 公布日： 2023-10-10 - 主分类号： G10L15/065 文献下载
摘要：本申请涉及深度学习技术领域，公开一种用于语音转写的方法，包括：利用已配置的语音转写模型对测试语音进行识别和转写，并将转写结果呈现给所述用户；在转写结果不满足所述用户需求的情况下，对语音转写模型进行调整；在转写结果满足所述用户需求的情况下，发布语音转写模型；基于发布的语音转写模型，进行语音转写。相较于相关技术，本申请是把语音转写模型部署于平台化配置，基于用户需求进行开发，从而使得让用户也参与了开发和测试的过程。让用户可以更加快速的提出建议，也方便开发人员进行优化，进而大大缩短交付周期，提高开发效率。本申请还公开一种用于语音转写的装置、开发平台和存储介质。
用于语音转写方法装置开发平台存储介质

[发明专利]基于双流自监督网络的语音识别方法、装置、设备及介质-CN202310874348.2在审
发明人：明悦;范春晓;吕柏阳;胡楠楠;周江琬 -专利权人：北京邮电大学
申请日： 2023-07-17 - 公布日： 2023-10-10 - 主分类号： G10L15/06 文献下载
摘要：本发明提供了一种基于双流自监督网络的语音识别方法、装置、设备及介质，包括：利用编码与量化模块对目标声学特征进行编码与量化获得语音向量；利用重构预测模块对语音向量进行重构预测获得第一语音表示；同时，利用对比预测模块中的自回归模型对语音向量进行预测获得第二语音表示；利用特征融合子模块对第一语音表示与第二语音表示进行融合获得融合后语音表示；基于目标声学特征，结合第一子模型与CTC模块中的连接时序分类器对融合后语音表示进行识别获得转录文本。本发明能够关注语音详细的上下文信息及语音不同特征之间的差异信息，提高自监督学习的鲁棒性，有效结合生成式和判别式自监督学习的互补优势。
基于双流监督网络语音识别方法装置设备介质