[发明专利]语音识别系统

摘要

一种语音识别系统包括接收包括语音信号的声信号的多个麦克风；从声信号生成多通道输入的输入接口；存储多通道语音识别网络的一个或多个储存器，其中，多通道语音识别网络包括从多通道输入生成时间‑频率掩模的掩模估计网络；被训练为使用时间‑频率掩模从多通道输入中选择基准通道输入并且基于基准通道输入生成增强语音数据集的波束形成器网络；以及被训练为将增强语音数据集变换为文本的编码器‑解码器网络。系统还包括与一个或多个储存器关联地使用多通道语音识别网络以从多通道输入生成文本的一个或多个处理器；和渲染文本的输出接口。

主权项

1.一种语音识别系统，该语音识别系统包括：多个麦克风，该多个麦克风接收包括语音信号的声信号；输入接口，该输入接口从所述声信号生成多通道输入；一个或多个储存器，该一个或多个储存器存储多通道语音识别网络，其中，所述多通道语音识别网络包括：掩模估计网络，该掩模估计网络从所述多通道输入生成时间‑频率掩模；波束形成器网络，该波束形成器网络被训练为使用所述时间‑频率掩模从所述多通道输入中选择基准通道输入，并且基于所述基准通道输入生成增强语音数据集；以及编码器‑解码器网络，该编码器‑解码器网络被训练为将所述增强语音数据集变换为文本；一个或多个处理器，该一个或多个处理器与所述一个或多个储存器关联地使用所述多通道语音识别网络以从所述多通道输入生成所述文本；以及输出接口，该输出接口渲染所述文本。