[发明专利]语音识别方法和装置

权利要求书

1.一种语音识别方法，其特征在于，包括以下步骤：

接收语音信号；

根据预先建立的声学模型、语言模型和解码网络对所述语音信号进行解码，并在解码过程中动态添加空白单元，以得到添加空白单元后的最优解码路径，其中，所述声学模型是基于连接时序分类训练得到的，所述声学模型中包括基本发音单元和所述空白单元，所述解码网络由所述基本发音单元构成的多个解码路径组成；

将所述最优解码路径输出为所述语音信号的识别结果；

其中，所述根据预先建立的声学模型、语言模型和解码网络对所述语音信号进行解码，并在解码过程中动态添加空白单元，以得到添加空白单元后的最优解码路径，包括：

根据所述解码网络中的跳转路径，对当前各解码路径进行扩展，并在扩展过程中动态添加空白单元，以得到添加空白单元后的至少一个扩展路径；

根据从所述语音信号中提取的当前特征向量帧在所述声学模型和所述语言模型上分别获取所述至少一个扩展路径的得分；

根据所述得分对所述至少一个扩展路径进行筛选，并根据筛选结果更新所述当前解码路径；

如果所述当前特征向量帧为所述语音信号的最后特征向量帧，则根据所述得分从所述更新后的当前解码路径中选择所述最优解码路径。

2.如权利要求1所述的方法，其特征在于，所述根据所述得分对所述至少一个扩展路径进行筛选，并根据筛选结果更新当前解码路径，包括：

分别获取所述至少一个扩展路径的得分与当前各解码路径中的最高得分的差值；

如果扩展路径的得分与所述最高得分的差值小于预设阈值，则将所述扩展路径作为新的当前解码路径。

3.如权利要求2所述的方法，其特征在于，所述在扩展过程中动态添加空白单元，包括：

确定所述各解码路径当前扩展到的第一基本发音单元；

为所述第一基本发音单元添加由所述第一基本发音单元跳转至所述空白单元、由所述空白单元跳转至自身的跳转路径，以生成针对所述第一基本发音单元添加空白单元之后的至少一个扩展路径。

4.如权利要求3所述的方法，其特征在于，还包括：

根据所述当前特征向量帧分别获取所述空白单元的得分和所述第一基本发音单元的得分；

如果所述空白单元的得分小于所述第一基本发音单元的得分，则在判断进入所述第一基本发音单元的扩展路径能否作为新的当前解码路径时，降低所述预设阈值。

5.如权利要求3所述的方法，其特征在于，还包括：

判断所述至少一个扩展路径是否到达词尾；

如果所述扩展路径到达词尾，则在判断所述到达词尾的扩展路径能否作为新的当前解码路径时，降低所述预设阈值。

6.一种语音识别装置，其特征在于，包括：

接收模块，接收语音信号；

解码模块，根据预先建立的声学模型、语言模型和解码网络对所述语音信号进行解码，并在解码过程中动态添加空白单元，以得到添加空白单元后的最优解码路径，其中，所述声学模型是基于连接时序分类训练得到的，所述声学模型中包括基本发音单元和所述空白单元，所述解码网络由所述基本发音单元构成的多个解码路径组成；

输出模块，将所述最优解码路径输出为所述语音信号的识别结果；

其中，所述解码模块包括：

扩展单元，用于根据所述解码网络中的跳转路径，对当前各解码路径进行扩展；

添加单元，用于在扩展过程中动态添加空白单元，以得到添加空白单元后的至少一个扩展路径；

第一获取单元，用于根据从所述语音信号中提取的当前特征向量帧在所述声学模型和所述语言模型上分别获取所述至少一个扩展路径的得分；

筛选单元，用于根据所述得分对所述至少一个扩展路径进行筛选，并根据筛选结果更新所述当前解码路径；

选择单元，用于如果所述当前特征向量帧为所述语音信号的最后特征向量帧，则根据所述得分从所述更新后的当前解码路径中选择所述最优解码路径。