申请/专利权人：北京搜狗科技发展有限公司

申请日：2021-08-16

公开（公告）日：2024-06-14

公开（公告）号：CN113707130B

主分类号：G10L15/02

分类号：G10L15/02;G10L15/05;G10L15/06;G10L15/22;G10L15/26;G10L25/90

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2021.12.14#实质审查的生效;2021.11.26#公开

摘要：本发明实施例提供了一种语音识别方法、装置和用于语音识别的装置。所述方法包括：根据待处理的语音数据中各个说话人的声学特征，对所述语音数据进行切分处理，得到若干子句，每个子句包含一个说话人的语音片段；按照预设标签对所述子句进行归并处理，得到目标子句；对所述目标子句进行语音识别处理，得到所述语音数据的语音识别结果。本发明实施例可以保证每个子句的能量、说话人音调、音色的相对统一，有利于提升语音识别的准确度；并且，本发明实施例进一步还可以按照预设标签对子句进行归并处理，将存在关联关系的子句合并为目标子句，再对目标子句进行语音识别处理，可以进一步提升语音识别的准确度，提高语音识别性能。

主权项：1.一种语音识别方法，其特征在于，所述方法包括：根据待处理的语音数据中各个说话人的声学特征，对所述语音数据进行切分处理，得到若干子句，每个子句包含一个说话人的语音片段；其中，对所述语音数据进行切分处理指的是对所述语音数据中的有效语音片段进行切分处理；所述有效语音片段通过对所述语音数据进行能量检测或者特征分析得到；按照预设标签对所述子句进行归并处理，得到目标子句；对所述目标子句进行语音识别处理，得到所述语音数据的语音识别结果；其中，所述根据待处理的语音数据中各个说话人的声学特征，对所述语音数据进行切分处理，得到若干子句，包括：基于自注意力机制构建各个说话人的语音切分模型；获取训练样本集，所述训练样本集包括至少一个说话人的语音数据，以及混合所述至少一个说话人的语音数据得到的语音交叠数据，所述训练样本集还包括每个说话人的语音数据对应的语音识别结果；根据所述训练样本集对所述语音切分模型和预先构建的语音识别模型进行迭代联合训练，在每一轮训练中根据所述语音切分模型和所述语音识别模型的联合损失值调整所述语音切分模型和或所述语音识别模型的模型参数，直到所述联合损失值满足收敛条件得到训练完成的语音切分模型和语音识别模型；基于所述语音切分模型对待处理的语音数据进行切分处理，得到若干子句；所述预设标签包括时长标签，所述按照预设标签对所述子句进行归并处理，得到目标子句，包括：若存在至少一个时长标签小于预设时长的子句，则将所述子句与其相邻的子句进行归并处理，得到目标子句；所述对所述目标子句进行语音识别处理，得到所述语音数据的语音识别结果，包括：基于训练完成的语音识别模型对所述目标子句进行语音识别处理，得到所述语音数据对应的语音识别结果。

全文数据：

权利要求：

百度查询： 北京搜狗科技发展有限公司 一种语音识别方法、装置和用于语音识别的装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD