[发明专利]负向回复识别模型获取及负向回复识别方法和装置有效
| 申请号： | 202110181108.5 | 申请日： | 2021-02-10 |
| 公开（公告）号： | CN112530415B | 公开（公告）日： | 2021-07-16 |
| 发明（设计）人： | 周涵;徐新超;吴文权;陈颖;吴华 | 申请（专利权）人： | 北京百度网讯科技有限公司 |
| 主分类号： | G10L15/16 | 分类号： | G10L15/16;G10L15/18 |
| 代理公司： | 北京鸿德海业知识产权代理有限公司 11412 | 代理人： | 谷春静 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开公开了负向回复识别模型获取及负向回复识别方法和装置，涉及自然语言处理、深度学习以及智能语音等人工智能领域，其中的负向回复识别模型获取方法可包括：通过预训练获取语义表示模型；利用获取到的弱监督语料对语义表示模型进行训练，得到第一识别模型；利用获取到的监督语料对第一识别模型进行训练，得到第二识别模型；将第二识别模型作为所需的负向回复识别模型，以便利用负向回复识别模型对待处理的回复进行负向回复识别。应用本公开所述方案，可提升识别结果的准确性及提升负向回复的召回率等。 | ||
| 搜索关键词： | 回复 识别 模型 获取 方法 装置 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司，未经北京百度网讯科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110181108.5/，转载请声明来源钻瓜专利网。
- 上一篇：漏洞检测方法、装置和存储介质及电子设备
- 下一篇：校网文件快速服务方法和系统
- 同类专利
- 语音识别方法和设备-201711462412.7
- 李镐式;罗辉栋 - 三星电子株式会社
- 2017-12-28 - 2023-10-27 - G10L15/16
- 提供一种语音识别方法和设备。一种实现用于语音的识别的语音识别模型神经网络的语音识别方法，包括：基于由在语音的识别的之前时间的语音识别模型神经网络的至少一个层输出的输出值，确定注意力权重；将确定的注意力权重施加到与语音的识别的当前时间对应的语音信号；使用语音识别模型神经网络，识别被施加注意力权重的语音信号。
- 车辆和车辆的控制方法-202211580891.3
- 朴晟秀;千昌祐 - 现代自动车株式会社;起亚株式会社
- 2022-12-09 - 2023-10-24 - G10L15/16
- 车辆包括用户界面；和被配置成控制用户界面的至少一个处理器，其中至少一个处理器被配置成：基于通过用户界面输入的驾驶员的语音来确定驾驶员的语音的意图和驾驶员的情绪；基于驾驶状态和警示灯状态来确定车辆状态信息；基于驾驶员的语音的意图、驾驶员的情绪和车辆状态信息来确定对话处理场景；以及控制以执行对话处理场景。
- 基于深度学习的语音关键信息标定方法-202010682482.9
- 汤雪峰;叶家波;茅剑 - 厦门熙重电子科技有限公司;厦门熙佺数字科技有限公司;上海熙重科技有限公司
- 2020-07-15 - 2023-10-24 - G10L15/16
- 本发明公开的是基于深度学习的语音关键信息标定方法，包括以下步骤：S1、将语音信号样本集作为训练数据，以待测关键信息为标签，利用CNN卷积神经网络对语音信号样本集进行训练，以获取一个语音信息分类模型，训练后获取的语音信息分类模型可以区分出不同语音信号中是否包含需要关注的关键信息；S2、基于训练好的语音信息分类模型，将待测语音信号经过语音信息分类模型，采用反向梯度激活平均算法及特征加权激活映射算法，在语音信号中自动标定所关注的信息。本方法脱离语义分析的传统框架，直接针对语音信号开展信息检索。通过深度学习，自动标定语音信号中的信息，实现关键信息的智能检索，方法简洁有效，可以提升检索效率。
- 一种语音识别方法、系统和设备-202310980820.0
- 罗中鸣;兰亮;宁一鉴;陈琳莉;冯静 - 中国电信股份有限公司
- 2023-08-04 - 2023-10-20 - G10L15/16
- 本申请提供了一种语音识别方法、系统和设备，该方法应用于语音识别技术领域，该方法包括：接收原始音频数据，从所述原始音频数据中提取得到语音特征；利用共享编码器对所述语音特征进行编码，将所述语音特征转换为向量特征；根据所述向量特征，利用时序分类解码器进行解码，得到第一解码结果；根据所述向量特征，利用自注意力解码器进行解码，得到第二解码结果；所述自注意力解码器与所述时序分类解码器共享所述共享编码器的参数；根据所述第一解码结果和所述第二解码结果，生成对所述原始音频数据的语音识别结果。本申请通过自注意力解码器与时序分类解码器的级联结构，实现解码结果的决策融合，以达到更加准确的语音识别效果。
- 语音转文本的方法、装置、电子设备及存储介质-202311094936.0
- 董倩倩;许晨;高汝霆 - 北京有竹居网络技术有限公司;脸萌有限公司
- 2023-08-28 - 2023-10-13 - G10L15/16
- 本公开实施例提供了一种语音转文本的方法、装置、电子设备及存储介质。其中，该方法包括：获取待转换语音数据，确定与所述待转换语音数据对应的待转换语音特征；将所述待转换语音特征输入至语音转文本模型中，获得与所述待转换语音数据对应的目标文本数据，其中，所述语音转文本模型基于多个原始样本语音特征以及增强样本语音特征对预先建立的待训练模型进行训练得到，所述增强样本语音特征至少包括由至少两个所述原始样本语音特征融合得到的融合样本语音特征。本公开实施例的技术方案，不仅提高了语音转文本模型的鲁棒性，而且提高了语音到文本转换的准确性，提升了用户的使用体验。
- 学习用于子词端到端自动语音识别的词级置信度-202280015500.5
- 大卫·邱;李秋嘉;何彦璋;张羽;李博;曹亮亮;罗希特·普拉巴瓦尔卡尔;迪普蒂·巴蒂亚;李炜;胡珂;塔拉·赛纳特;伊恩·麦克格劳 - 谷歌有限责任公司
- 2022-02-23 - 2023-10-13 - G10L15/16
- 方法(500)包括接收语音识别结果(232)，并且使用置信度估计模块(CEM)(300)，对于语音识别结果的假设子词单元序列中的每个子词单元：获得相应置信度嵌入(242)；使用第一注意力机制(310)生成置信度特征向量(312)；使用第二注意力机制(320)生成声学上下文向量(332)；以及生成每个对应子词单元的相应置信度输出分数(302)，作为来自CEM的输出层(340)的输出。对于由假设子词单元序列形成的一个或多个词中的每一个，该方法还包括确定词的相应词级置信度分数。该方法还包括通过聚合词级置信度分数来确定话语级置信度分数(350)。
- 用于动态声学环境中的数据增强和语音处理的系统和方法-202280015690.0
- P·A·纳伊勒;D·夏尔马;U·H·约斯特;W·F·甘农三世 - 纽奥斯通讯有限公司
- 2022-02-17 - 2023-10-10 - G10L15/16
- 一种方法、计算机程序产品和计算系统，用于定义表示语音信号的多个声学变化的模型，由此定义多个时变频谱更改。多个时变频谱更改可以应用于参考信号的目标域的多个特征系数，由此生成参考信号的多个时变频谱增强特征系数。
- 一种支持领域定制语言模型的解码方法及装置-202110192804.6
- 谢东平 - 苏州协同创新智能制造装备有限公司
- 2021-02-20 - 2023-10-10 - G10L15/16
- 本发明提供一种支持领域定制语言模型的解码方法，基于集束搜索解码，包括：生成第一解码网络，作为第一遍解码搜索网络；通过定制领域的语言模型生成第二解码网络；扩张集束同时对定制领域的语言模型重新打分；当最终解码假设集合里面已有足够的解码假设则输出所有解码假设。将定制领域的语言模型的解码得分和集束扩张的过程结合起来，能够使得端到端的语言模型快速适用于新的领域，利于提升语言识别系统的性能，优化鲁棒性及识别效率。本发明还提供的解码装置因能实现本发明的解码方法而具有相应优势，仅需有限的资源配置，利于语音识别系统的进一步推广应用。
- 语音处理方法、语音处理装置、存储介质及电子设备-202310839115.9
- 余君涛 - 中国电信股份有限公司技术创新中心;中国电信股份有限公司
- 2023-07-10 - 2023-10-03 - G10L15/16
- 本公开涉及音频处理技术领域，具体涉及语音处理方法及装置、计算机可读存储介质及电子设备。所述方法包括：通过目标编码器对待分离混合语音进行编码，以得到待分离混合语音的编码特征；将编码特征输入到目标主干网络中，基于目标主干网络对编码特征进行多尺度特征提取，以得到待分离混合语音的分离位置掩码估计值，目标主干网络包括至少一个多尺度特征提取模块，每个多尺度特征提取模块包括M‑1个级联的膨胀率不同的膨胀深度可分卷积单元，M为大于1的整数；将编码特征和分离位置掩码估计值输入到目标解码器中，以得到待分离混合语音的语音分离结果。本公开能提高混合语音的分离准确性。
- 一种语音识别的方法和装置-202310300312.3
- 李思琪;付立 - 京东科技信息技术有限公司
- 2023-03-24 - 2023-10-03 - G10L15/16
- 本发明公开了一种语音识别的方法和装置，涉及人工智能技术领域。该方法的一具体实施方式包括：针对语音识别场景接收到的语音数据划分成多个语音数据块，为每一个语音数据块增加多个填充语音帧，基于填充过的语音数据块执行提取包含设定数量语音帧的语音帧组，并利用预设语音识别模型处理输入的语音帧组中的语音帧以得到识别结果；其中预设语音识别模型包含的卷积核的数量与设定数量一致；本发明的实施例克服了现有技术中由于未考虑一个语音数据块中当前帧与当前帧之后的语音帧的语音信息的关联性而导致的语音识别准确率偏低的问题，提高了语音识别的效果。
- 语音识别方法、语音识别模型的训练方法及装置-202311088656.9
- 殷绪成;赖志豪;张天昊;魏丽芳;陈松路;陈峰 - 珠海亿智电子科技有限公司
- 2023-08-28 - 2023-09-29 - G10L15/16
- 本公开提供一种语音识别方法、语音识别模型的训练方法及装置，包括：获取待识别语音信号的初始局部语音特征和初始全局语音特征，基于初始全局语音特征，对初始局部语音特征表示待识别语音信号的能力进行增强处理，得到目标局部语音特征，基于初始局部语音特征，对初始全局语音特征表示待识别语音信号的能力进行增强处理，得到目标全局语音特征，根据目标全局语音特征和目标局部语音特征确定待识别语音信号的语音文本，充分考虑了全局语音特征和局部语音特征之间的互补特征，避免了语音信息的丢失，提高了语音识别的准确性和可靠性。
- 通话语音分类方法、装置、计算机设备和存储介质-202310685926.8
- 王顺;吴风鹏 - 杭州安恒信息技术股份有限公司
- 2023-06-09 - 2023-09-22 - G10L15/16
- 本申请涉及一种通话语音分类方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取训练语音数据，对所述训练语音数据进行聚类，确定训练语音类型，基于所述训练语音数据以及训练语音类型对初始神经网络模型进行训练，得到目标分类模型，将待分类语音数据输入所述目标分类模型，输出分类结果。也就是说，通过对训练语音数据进行分类，将训练语音数据和训练分类结果作为标准训练集，对初始神经网络模型进行训练，使其能够对类型未知的通话语音进行准确识别分类，采用目标分类模型，能够对任意异常通话的虚假信息伪装类型进行快速识别，同时提高了异常通话虚假信息伪装类型识别的准确性。
- 标识音乐中的语言-202280013838.7
- K·崔 - 脸萌有限公司
- 2022-02-25 - 2023-09-22 - G10L15/16
- 本公开描述了用于标识与音乐相关联的语言的技术。可以接收训练数据，其中训练数据包括指示表示多个音乐样本的音频数据的信息和与多个音乐样本相关联的元数据。训练数据还包括指示与多个音乐样本中的每个音乐样本相对应的语言的信息。可以通过将训练数据应用于机器学习模型直到该模型达到预定识别准确度来训练机器学习模型以标识与音乐片段相关联的语言。可以使用经训练的机器学习模型来确定与音乐片段相关联的语言。
- 一种基于人工智能的语音识别方法-202310861431.6
- 欧玉霞 - 合肥朗永智能科技有限公司
- 2023-07-14 - 2023-09-22 - G10L15/16
- 本发明涉及语音识别领域，公开了一种基于人工智能的语音识别方法，该方法包括以下步骤：通过采集用户录入的语音音频信息，将所述语音音频信息转换为音频频谱图；获取所述音频频谱图中的多个音频帧，提取每个所述音频帧中的特征信息，关联多个所述音频帧的特征信息，得到待识别数据；将所述待识别数据输入语音识别模型中，确定所述语音音频信息对应的语音内容；对所述语音内容进行内容校验，以得到语音识别结果，并输出所述语音识别结果；本发明利用人工智能方法进行语音识别，能够提高便利性，同时提高了语音识别效率和准确度，提升了用户的使用体验。
- 一种基于分组特征校准的声音事件检测方法及系统-202310672434.5
- 任延珍;刘晨雨;刘武洋 - 武汉大学
- 2023-06-07 - 2023-09-19 - G10L15/16
- 本发明提供一种基于分组特征校准的声音事件检测方法及系统，包括：获取待检测声音事件的音频特征数据；将音频特征数据输入时频学习网络，通过卷积神经网络获取时频谱图，基于多个维度对时频谱图的中间表征进行分组特征学习得到分组强化特征，对分组强化特征进行任务感知激活得到自适应特征；将自适应特征输入上下文建模网络，获取音频信号时域相关性特征，对音频信号时域相关性特征进行分类，得到声音事件类别检测结果。本发明根据声音事件检测任务中不同类型音频的时频特性引入分组特征校准模块，增强了声音事件检测网络对各类音频的特征表示能力，参数量小且通用性强，以较小的计算代价引入现有的主流声音事件检测模型中并提升其性能。
- 语音神经特征提取模型的训练方法、装置、设备及介质-202310834923.6
- 杨娟;兰亮;沈雯羽;陈琳莉;宁一鉴 - 中国电信股份有限公司
- 2023-07-07 - 2023-09-19 - G10L15/16
- 本申请提供了一种语音神经特征提取模型的训练方法、装置、设备及介质。所述方法包括：获取模型训练样本，所述模型训练样本包括：语音数据样本和所述语音数据样本对应的语音码本；将所述模型训练样本输入至待训练语音神经特征提取模型；调用所述待训练语音神经特征提取模型采用掩蔽预测方式和瓶颈特征提取方式，对所述语音数据样本和所述语音码本进行处理，得到所述语音码本对应的相似度；基于所述相似度，计算得到所述待训练语音神经特征提取模型的损失值；在所述损失值处于预设范围内的情况下，将训练后的待训练语音神经特征提取模型作为最终的所述语音神经特征提取模型。本申请可以提高语音神经特征模型的训练效率，降低模型训练成本。
- 基于人工智能的交互方法、装置、设备及存储介质-202311042338.9
- 顾维玺;廉润泽;马戈;叶鸿儒;王青春 - 中国工业互联网研究院
- 2023-08-18 - 2023-09-15 - G10L15/16
- 本发明属于人工智能技术领域，公开了一种基于人工智能的交互方法、装置、设备及存储介质。根据用户的交互语音中的语调频谱和目标情绪识别模型确定用户的用户交互情绪，保证了对用户交互情绪确定的准确性，同时根据采集的用户姿态图像确定用户的当前用户动作，实现了对当前用户动作的精准识别，并根据交互语音确定回复文本，根据用户交互情绪确定语音交互语调，根据当前用户动作确定交互回复动作，从而进行智能交互，不仅能够在交互过程中贴合用户的当前情绪，还能够对用户当前所作出的动作和发出的语音做出准确回应，提升了用户的交互体验感。
- 音频分类及模型的训练方法、装置、电子设备和存储介质-202310707210.3
- 秦成帅 - 北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
- 2023-06-14 - 2023-09-12 - G10L15/16
- 本发明实施例公开一种音频分类及模型的训练方法、装置、电子设备和存储介质，音频分类方法包括：获取待检测音频的梅尔频率倒谱图，将梅尔频率倒谱图输入训练好的音频分类模型，音频分类模型包括卷积网络、时序网络和分类网络；利用卷积网络对梅尔频率倒谱图进行卷积运算，得到特征图；利用时序网络对特征图进行时序学习，得到时序特征图；利用分类网络对时序特征图进行分类识别，得到待检测音频的类别识别信息。本发明利用模型对音频分类，分类标准统一，成本低，分类效率和准确率高；将音频转换成图像处理，利用模型学习图像的基础特征和时序特征以进行分类，能够保证分类结果的准确性，模型量级轻，网络参数少，训练调试速度快，易于部署。
- 用于集成听觉和非听觉输入的自适应语音识别系统和方法-202211302154.7
- J·A·邦德;H·E·瓦格纳;J·F·什切尔巴;A·D·赫吉尔 - 通用汽车环球科技运作有限责任公司
- 2022-10-24 - 2023-09-12 - G10L15/16
- 语音识别方法包括接收可听数据和用户数据。可听数据包括关于用户发出的话语的信息。用户数据包括关于用户做出的移动的信息。该方法还包括融合可听数据和用户数据以获得经融合的数据，并且基于经融合的数据来确定话语的至少一个说出的词。
- 一种迎宾机器人及方言交互系统和方法-202310764326.0
- 刘明月 - 山东新一代信息产业技术研究院有限公司
- 2023-06-27 - 2023-09-08 - G10L15/16
- 本发明提供了一种迎宾机器人及方言交互系统和方法，包括方言识别模块和方言生成模块。通过采集不同方言区域的方言语音样本数据集，对数据集进行标注对应的方言名称；使用音频处理库提取MFCC特征，构建深度神经网络模型，将MFCC特征向量作为模型输入，使用优化算法进行模型优化；系统集成与测试中，将训练好的方言识别模型集成到迎宾机器人系统中，接收用户的方言语音输入，将其转换为MFCC特征向量，使用方言识别模型对特征向量进行预测，确定输入语音的方言类别，根据方言识别结果进行交互。本发明通过方言交互系统，把已有的模型进行组合应用并设计出新的交互系统，提高了机器人与人的沟通效率和准确度，提高用户体验。
- 声音检测方法及装置-202111067585.5
- 佘积洪;朱宸都 - 北京奕斯伟计算技术股份有限公司
- 2021-09-13 - 2023-09-08 - G10L15/16
- 本申请提供一种声音检测方法及装置，声音检测方法包括：获取待检测的音频数据；确定音频数据中每一帧数据的类型，类型包括语音和静音；将音频数据中属于语音类型的帧对应的语音数据输入深度神经网络，获得属于目标的声音数据。由于静音数据中很少存在声音，因此，通过预先剔除音频数据中的静音数据，仅将音频数据中的语音数据输入到深度神经网络中进行目标声音检测，避免深度神经网络对于静音数据的无效检测，减少了深度神经网络对于音频数据的计算量，在确保目标声音检测的准确率的同时，还提高了目标声音检测的效率。
- 识别方法和识别设备-201810289127.8
- 柳尚贤 - 三星电子株式会社
- 2018-04-03 - 2023-09-08 - G10L15/16
- 公开识别方法和识别设备，所述方法包括：将语音信号提供给主神经网络和子神经网络；通过实施被配置为通过解释提供的语音信号来产生比例因子的子神经网络来获得比例因子；基于比例因子确定将通过被配置为执行语音识别的主神经网络考虑的未来上下文的大小；通过实施具有确定的大小的未来上下文的主神经网络来获得语音信号的识别结果。
- 一种基于声音特征识别的婴儿哭声翻译方法-201811114781.1
- 邓小伟;聂彦合;叶广课;韩明君;殷帅军;王勋龙 - 河南理工大学
- 2018-09-25 - 2023-09-08 - G10L15/16
- 本发明公开了一种基于声音特征识别的婴儿哭声翻译方法，依据婴儿在不同生理状态下啼哭的声音特征差异，利用计算机声音处理技术，分别提取婴儿在不同生理状态下啼哭声音特征参数：音色、音调、响度、能量、频率和频率共生矩阵的11个特征参数，总共的16个特征参数；通过BP神经网络算法，对婴儿在不同生理状态下啼哭声音片段进行采集，对声音片段降噪和滤波后再建立婴儿啼哭声音特征差异与饥饿、瞌睡、疼痛、无聊、恐惧、不适六种生理状态之间的对应关系，并给出识别结果为：饥饿、瞌睡、疼痛、无聊、恐惧、不适。在训练BP神经网络中，输入任何一段婴儿哭声声音片段中提取的特征参数，即可从输出层得到识别的结果，提高婴儿护理的质量与效率，减少婴儿护理中的误判和延判。
- 用于语音识别的递归神经网络转录器的定制-202180088038.7
- 仓田岳人;G·A·萨恩;B·金斯伯里 - 国际商业机器公司
- 2021-11-26 - 2023-09-05 - G10L15/16
- 提供了一种用于定制递归神经网络转录器(RNN‑T)的计算机实现的方法。该计算机实现的方法包括从第一域文本数据合成第一域音频数据，以及将所合成的第一域音频数据馈送到具有初始条件的递归神经网络转录器(RNN‑T)的经训练的编码器中，其中，使用所合成的第一域音频数据和第一域文本数据来更新编码器。该计算机实现的方法还包括从第二域文本数据合成第二域音频数据，以及将所合成的第二域音频数据馈送到递归神经网络转录器(RNN‑T)的经更新的编码器中，其中，使用所合成的第二域音频数据和第二域文本数据来更新预测网络。该计算机实现的方法还包括将经更新的编码器恢复到初始条件。
- 用于多声道语音识别的自适应音频增强-201911174845.1
- 李博;R.J.韦斯;M.A.U.巴基亚尼;T.N.塞纳特;K.W.威尔逊 - 谷歌有限责任公司
- 2016-12-28 - 2023-09-05 - G10L15/16
- 本申请公开一种计算机实现的方法，包括：接收与话语相对应的音频数据的第一声道和与该话语相对应的音频数据的第二声道；使用第一神经网络生成(i)用于第一滤波器的第一组滤波器参数和(ii)用于第二滤波器的第二组滤波器参数；通过组合(i)已经使用第一滤波器滤波的第一声道的音频数据和(ii)已经使用第二滤波器滤波的第二声道的音频数据来生成音频数据的单个组合声道；将单个组合声道的音频数据输入到作为语音识别模型训练的第二神经网络；和提供针对所述话语的转录，所述转录是至少基于第二神经网络响应于接收到单个组合声道的音频数据而提供的输出来确定的。
- 一种汉语智慧教学方法-202310726395.2
- 张伟;马文耀 - 广东海洋大学
- 2023-06-19 - 2023-09-01 - G10L15/16
- 本申请提供一种汉语智慧教学方法，包括：获取学生普通话发音的语音材料；结合语音分析数据，识别学生语音材料中的普通话的音节错误，确定学生在普通话音节上的错误特征和频率分布；根据不同地域学生的方言发音特点，判断学生的汉语发音错误是否与学生方言发音有关；采用音韵学分析方法，获取不同方言与普通话的音节差异，判断不同方言语种对学生普通话的音节错误的影响；根据不同方言语种对学生普通话的音节错误的影响，预测不同方言语种的学生可能存在的普通话音节错误；根据不同方言语种学生普通话中可能存在的的声母、韵母、声调错误和不同方言语种所属地区的文化背景，设计针对不同方言语种的汉语练习题。
- 语音识别方法、电子设备及可读介质-202211726603.0
- 谢继亮;王满洪 - 荣耀终端有限公司
- 2022-12-30 - 2023-09-01 - G10L15/16
- 本申请提供了一种应用于人工智能技术的语音识别方法、电子设备及介质。语音识别方法，包括：获取语音信号；确定语音信号对应的初始文本数据；对语音信号的每个音频进行编码，得到多个音频的声学编码序列，以及对语音信号对应的初始文本数据进行编码及处理，得到文本编码序列；处理音频的声学编码序列和文本编码序列，得到音频的概率信息；利用音频的概率信息，对音频的声学编码序列进行贪婪搜索，得到音频的声学编码序列中的尖峰声学编码序列；尖峰声学编码序列对应的音频的概率信息中的最大概率值的字符为非空白字符；利用音频的概率信息，对尖峰声学编码序列进行束搜索，得到语音信号对应的文本数据。
- 基于CRNN的语音识别方法、系统、存储介质及电子设备-201910177117.X
- 仇璐 - 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
- 2019-03-08 - 2023-09-01 - G10L15/16
- 本发明公开了一种基于CRNN的语音识别方法、系统、存储介质及电子设备，其中，识别方法包括：获取处理语音数据，处理语音数据为滤波器组指向预处理后的语音数据的当前帧位置起的预设滤波宽度值范围内的语音数据；将处理语音数据输入至卷积层，卷积层输出得到一帧卷积输出帧数据；更新滤波器组的指向；判断滤波器组的预设特征长度的语音数据是否获取完毕，若为否，则返回获取处理语音数据的步骤，若为是，则将得到的所有帧数的卷积输出帧数据输入至RNN层，得到输出状态值；将输出状态值输入至全连接层得到语音识别的结果。本发明与传统的相比，处理的数据量大大减少，可以提高计算速度，减少内存占用空间，以实时地进行语音识别的目的。
- 语音识别方法-201810685178.2
- 金珉洙;徐智炫;安憬准;金昇暻 - 三星SDS株式会社
- 2018-06-28 - 2023-09-01 - G10L15/16
- 本发明提供一种语音识别方法。根据本发明构思的一实施例，由语音识别装置执行的关于识别对象语言的语音识别方法可包括以下步骤：获取关于所述识别对象语言的原始学习数据组；通过将包含在所述各个原始学习数据中的文本信息以字母(letter)为单位进行分离来构成目标标签(target label)；以及通过学习包含在所述各个原始学习数据中的学习用语音数据及与所述学习用语音数据对应的目标标签，构建基于深度神经网络(deep neural network)的声学模型。
- 用于简化的流式和非流式语音识别的级联编码器-202180071737.0
- 阿伦·纳拉亚南;塔拉·赛纳特;庞若鸣;余家辉;埃赫桑·瓦里亚尼;特雷弗·施特勒曼;邱中镇;罗希特·普拉巴瓦尔卡尔 - 谷歌有限责任公司
- 2021-05-01 - 2023-08-29 - G10L15/16
- 自动语音识别(ASR)模型(200)包括第一编码器(210)、第二编码器(220)和解码器(204)。所述第一编码器接收一系列声帧(110)作为输入，并且在多个输出步中的每个输出步生成对应声帧的第一高阶特征表示(203)。所述第二编码器接收由所述第一编码器在所述多个输出步中的每个输出步生成的第一高阶特征表示作为输入，并且在所述多个输出步中的每个输出步生成对应的第一高阶特征帧的第二高阶特征表示(205)。所述解码器接收由所述第二编码器在所述多个输出步中的每个输出步生成的第二高阶特征表示作为输入，并且在多个时步中的每个时步生成可能的语音识别假设上的第一概率分布。
- 专利分类
