“唐浩雨”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果10个，建议您升级VIP下载更多相关专利

[发明专利]语言模型训练方法、解码方法、装置、存储介质及设备-CN201911309818.0有效
发明人：陈江;傅正佳;胡正伦;唐浩雨 -专利权人：广州市百果园信息技术有限公司
申请日： 2019-12-18 - 公布日： 2023-06-27 - 主分类号： G10L15/06 文献下载
摘要：本发明实施例公开了语言模型训练方法、解码方法、装置、存储介质及设备。其中，语言模型训练方法包括：获取第一语料，基于预设词典对所述第一语料进行分词处理，得到第二语料，基于所述第二语料对预设深度语言模型进行训练，得到训练后的语言模型，其中，所述预设深度语言模型以词为建模单元构建。本发明实施例通过采用上述技术方案，以词为建模单元构建预设深度语言模型，再利用经过分词处理后的语料进行训练，可以提升实体词识别的准确度。
语言模型训练方法解码装置存储介质设备

[发明专利]一种声学模型的训练方法、装置、计算机设备和存储介质-CN201911400182.0有效
发明人： 唐浩雨 -专利权人：广州市百果园信息技术有限公司
申请日： 2019-12-30 - 公布日： 2023-05-30 - 主分类号： G10L15/06 文献下载
摘要：本发明实施例公开了一种声学模型的训练方法、装置、计算机设备和存储介质，该声学模型包括编码器、注意力模型、解码器与CTC模型，编码器包括第一卷积神经网络与循环神经网络，该方法包括：确定本次训练的样本语音信号，样本语音信号用于表示样本文字；计算第一卷积神经网络对样本语音信号进行编码的第一损失值；计算声学模型预测样本语音信号为样本文字的第二损失值；结合第一损失值与第二损失值计算总损失值；判断总损失值是否满足预设的条件；若是，则确定完成训练声学模型；若否，则在训练声学模型时，执行第一训练操作、第二训练操作。本实施例实现了半监督训练，可以避免损失值可能存在梯度消失，保证一定深度的神经网络可训练。
一种声学模型训练方法装置计算机设备存储介质

[发明专利]基于神经网络模型的语音处理方法、装置及电子设备-CN202110304510.8在审
发明人： 唐浩雨 -专利权人：百果园技术（新加坡）有限公司
申请日： 2021-03-22 - 公布日： 2021-06-11 - 主分类号： G10L15/16 文献下载
摘要：本发明实施例提供了一种基于神经网络模型的语音处理方法、装置及电子设备，涉及语音识别技术领域。该方法包括：获取待处理的语音信号；选取所述语音信号中的第一时间点片段；以所述第一时间点片段为基准，通过第一窗口截取所述语音信号的目标片段；根据所述目标片段，得到关于所述语音信号的语音识别文字。上述方案，可以降低encoder核心部件MHA的感知域，即每个隐层的单元仅需要感知其上层对应的部分语音片段即可，从而可以减少计算量。
基于神经网络模型语音处理方法装置电子设备

[发明专利]一种模型训练和数据处理方法、装置、设备及介质-CN202110156185.5在审
发明人： 唐浩雨 -专利权人：百果园技术（新加坡）有限公司
申请日： 2021-02-04 - 公布日： 2021-05-28 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种模型训练和数据处理方法、装置、设备及介质。在对深度学习模型的训练过程中，通过预设的执行条件，确定该次迭代的深度学习模型包含的网络层中的第一目标网络层，后续通过该次迭代的深度学习模型包含的每个第一目标网络层，获取任一样本数据的第二属性信息，基于样本数据的第二属性信息以及该样本数据对应的标签，只需对该次迭代的深度学习模型包含的每个第一目标网络层进行训练即可，从而减少对该次迭代的深度学习模型中需要进行参数调整的网络层的数量，缩短反向传播的路径，从而一定程度上避免了梯度消失的现象，并且使得训练的每个网络层所执行的功能趋于相同，训练完成的深度学习模型更具鲁棒性。
一种模型训练数据处理方法装置设备介质

[发明专利]声学模型处理方法、装置、设备和可读存储介质-CN202110179892.6在审
发明人： 唐浩雨 -专利权人：百果园技术（新加坡）有限公司
申请日： 2021-02-07 - 公布日： 2021-05-11 - 主分类号： G10L15/06 文献下载
摘要：本申请公开了一种声学模型处理方法、装置、设备和可读存储介质，属于互联网技术领域。该方法包括：获取多个样本音频数据，将样本音频数据分别输入原始声学模型和对应的专用声学模型，得到第一语音识别结果和第二语音识别结果，根据第一语音识别结果与第二语音识别结果之间的第一误差数据，以及样本标签和第一语音识别结果之间的第二误差数据对原始声学模型进行训练，得到通用声学模型。在声学模型的训练过程中，将不同音频场景对应的专用声学模型的识别结果作为模型的学习目标，可以使训练得到的声学模型能够对不同音频场景下的音频数据进行准确的识别，使声学模型具有比较高的泛化能力。
声学模型处理方法装置设备可读存储介质

[发明专利]一种语音理解方法、装置、设备及介质-CN202110199543.0在审
发明人： 唐浩雨 -专利权人：百果园技术（新加坡）有限公司
申请日： 2021-02-22 - 公布日： 2021-05-07 - 主分类号： G10L15/16 文献下载
摘要：本发明公开了一种语音理解方法、装置、设备及介质，用以解决现有无法快捷且准确地获取语音数据的语义识别结果的问题。由于预先训练有语音理解网络，且该语音理解网络是基于语义识别网络中的输入层分别与语音识别网络中的编码层以及输出层连接后的网络确定的，后续在语音理解的过程中，获取到了待处理的语音数据后，通过训练完成的语音理解网络，直接基于该语音数据，即可获取到该语音数据的语义识别结果，且该语义识别结果是结合语音识别网络中的编码层输出的结果确定的，提高了语义识别结果的准确性，也实现了快速地获取语音数据的语义识别结果。
一种语音理解方法装置设备介质

[发明专利]一种语音识别方法、装置、设备和存储介质-CN202011627024.1在审
发明人： 唐浩雨 -专利权人：百果园技术（新加坡）有限公司
申请日： 2020-12-31 - 公布日： 2021-04-02 - 主分类号： G10L15/22 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，该方法包括：获取用户的多帧语音信号；将每帧语音信号输入到声学模型中、识别语音信号表达的文字；调用第一语言模型计算文字组成句子时的第一目标概率；确定与用户适配的第二语言模型；调用第二语言模型修正句子的第一目标概率，获得第二目标概率；根据第二目标概率选择与多帧语音信号匹配的句子。声学模型、第一语言模型和第二语言模型的融合架构可适用于多场景下的语音识别，第一语言模型可保证通用场景下的语音识别的准确性，第二语言模型可实现对用户惯用语音的识别，保证对用户个性化用语的识别率，调用第二语言模型修正第一目标概率能在通用性语音识别结构的基础上进一步提高准确率。
一种语音识别方法装置设备存储介质

[发明专利]语音识别模型训练方法、语音识别方法及装置-CN202010961964.8在审
发明人： 唐浩雨 -专利权人：广州市百果园信息技术有限公司
申请日： 2020-09-14 - 公布日： 2020-12-15 - 主分类号： G10L15/02 文献下载
摘要：本发明实施例公开了一种语音识别模型训练方法、语音识别方法及装置，包括：获取无标注文本的第一语音序列和有标注文本的第二语音序列；将第一语音序列输入编码网络中，得到第一语音序列中语音单元的第一编码特征和指定语音单元的内容特征；根据内容特征预测指定语音单元之后的语音单元的第二编码特征；根据指定语音单元之后的语音单元的第一编码特征和第二编码特征计算对比编码损失以对编码网络进行训练；在训练好编码网络后将第二语音序列输入编码网络以对编码网络和解码网络进行训练。通过第一编码特征和第二编码特征计算对比编码损失来训练编码网络，可以使用无标注数据训练编码网络，减少了有标注的数据的数量，降低了获取数据的成本。
语音识别模型训练方法装置

[发明专利]语音识别模型训练方法、语音识别方法及相关装置-CN202010858518.4在审
发明人： 唐浩雨 -专利权人：广州市百果园信息技术有限公司
申请日： 2020-08-24 - 公布日： 2020-12-01 - 主分类号： G10L15/06 文献下载
摘要：本发明实施例公开了一种语音识别模型训练方法、语音识别方法及相关装置，训练方法包括：获取训练语音和语音文本；合并字典和词典生成混合词典；采用字典对语音文本字编码得到字训练数据；根据混合词典对语音文本语义分词编码和随机分词编码得到词义分词训练数据和随机分词训练数据；依次采用字训练数据、词义分词训练数据和随机分词训练数据训练语音识别模型。实现了语音文本可对应多种词训练数据，满足词训练所需的大量词训练数据，先后通过字训练数据和词训练数据来训练语音识别模型，使得语音识别模型既具备字建模良好的时序效果，又具备词建模良好的语义识别效果，再者，词训练数据包含随机分词训练数据，可以提高语音中不规范口语的识别率。
语音识别模型训练方法相关装置

[发明专利]模型训练方法、语音识别方法、装置、存储介质及设备-CN201911267662.4在审
发明人： 唐浩雨 -专利权人：广州市百果园信息技术有限公司
申请日： 2019-12-11 - 公布日： 2020-03-27 - 主分类号： G10L15/06 文献下载
摘要：本发明实施例公开了模型训练方法、语音识别方法、装置、存储介质及设备。模型训练方法包括：将当前采样时刻对应的第一语音训练样本输入至第一声学神经网络模型中，得到当前采样时刻对应的至少两个第一损失函数，分别确定至少两个第一损失函数相对于上一个采样时刻的变化程度信息，根据变化程度信息确定至少两个第一损失函数分别对应的权重，并基于第一损失函数与权重计算拟合损失函数，利用拟合损失函数对第一声学神经网络模型进行反向传播。本发明实施例提供的技术方案，可以动态地调节各损失函数对应的权重，使得训练后得到的模型更加准确，在进行语音识别时，能够更加准确地识别出语音信息中包含的语音内容，且能够提升语音内容的识别率。
模型训练方法语音识别装置存储介质设备

1
共 10 条