[发明专利]一种融合多模态语义不变性的语音识别文本增强系统有效
| 申请号： | 202110815743.4 | 申请日： | 2021-07-19 |
| 公开（公告）号： | CN113270086B | 公开（公告）日： | 2021-10-15 |
| 发明（设计）人： | 陶建华;张帅;易江燕 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G10L15/00 | 分类号： | G10L15/00;G10L15/02;G10L15/04;G10L15/16;G10L15/26;G06N3/04 |
| 代理公司： | 北京华夏泰和知识产权代理有限公司 11662 | 代理人： | 孙剑锋;李永叶 |
| 地址： | 100190 *** | 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： | 本发明提供一种融合多模态语义不变性的语音识别文本增强系统，包括：声学特征提取模块、声学降采样模块、编码器和融合多模态语义不变性的解码器；声学特征提取模块对语音数据分帧处理分割成固定长度的短时音频帧，对短时音频帧提取声学特征，将声学特征输入到声学降采样模块进行降采样，得到声学表示；将语音数据输入现有语音识别模块，得到输入文本数据，将输入文本数据输入到编码器，得到输入文本编码表示；将声学表示和所述输入文本编码表示输入到解码器融合，声学模态和文本模态的表示进行相似性约束，得到解码表示；该方法通过融合跨模态语义不变性约束损失，减少模型对数据的依赖，提高模型的性能，适用于中英混合语音识别。 | ||
| 搜索关键词： | 一种 融合 多模态 语义 不变性 语音 识别 文本 增强 系统 | ||
【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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/202110815743.4/，转载请声明来源钻瓜专利网。
