申请/专利权人:广州小鹏汽车科技有限公司
申请日:2023-12-25
公开(公告)日:2024-04-30
公开(公告)号:CN117456999B
主分类号:G10L15/22
分类号:G10L15/22;G10L15/06;G10L15/30;B60W40/08;B60W50/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.30#授权;2024.02.13#实质审查的生效;2024.01.26#公开
摘要:本申请公开一种音频识别方法、音频识别装置、车辆、计算机设备和介质。方法包括:对待识别音频进行编码,以生成发音概率矩阵;通过预设的延迟纠错模型,对发音概率矩阵进行纠错,以得到对应的字结果和输出概率矩阵;对字结果和输出概率矩阵进行发音映射,以得到映射概率矩阵,并根据映射概率矩阵和发音概率矩阵,生成目标概率矩阵;对目标概率矩阵输入到语音解码图进行解码,以得到识别结果。通过延迟纠错模型具备的纠错能力,对发音概率矩阵进行纠错,从而获取到准确的字结果,提高音频识别的准确性,且延迟纠错模型可以有效地节省算力,节省存储空间等。
主权项:1.一种音频识别方法,其特征在于,包括:对待识别音频进行编码,以生成发音概率矩阵;通过预设的延迟纠错模型,对所述发音概率矩阵进行纠错,以得到对应的字结果和输出概率矩阵,其中,在对所述延迟纠错模型进行训练时,设置所述延迟纠错模型的输入和标签数据之间存在延迟;对所述字结果和所述输出概率矩阵进行发音映射,以得到映射概率矩阵,并根据所述映射概率矩阵和所述发音概率矩阵,生成目标概率矩阵;将所述目标概率矩阵输入到语音解码图进行解码,以得到识别结果;所述对所述字结果和所述输出概率矩阵进行发音映射,以得到映射概率矩阵,并根据所述映射概率矩阵和所述发音概率矩阵,生成目标概率矩阵,包括:将所述输出概率矩阵中对应同一个音的字的概率相加以作为对应的音的概率,以得到所述映射概率矩阵;将所述映射概率矩阵和所述发音概率矩阵中,对应同一个音的概率矩阵累加后取均值,以生成所述目标概率矩阵。
全文数据:
权利要求:
百度查询: 广州小鹏汽车科技有限公司 音频识别方法、音频识别装置、车辆、计算机设备和介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。