[发明专利]语音识别方法、装置、计算机设备及存储介质

说明书

本发明提出了一种语音识别方法，该方法包括：获取待识别的语音数据；提取语音数据中的Filter Bank特征和MFCC特征；将MFCC特征作为GMM‑HMM模型的输入数据，获取第一似然概率矩阵；将Filter Bank特征作为具有连接单元LSTM模型的输入特征，获取后验概率矩阵；将后验概率矩阵和第一似然概率矩阵作为HMM模型的输入数据，获取第二似然概率矩阵，根据第二似然概率矩阵在音素解码网络中获取对应的目标词序列。该方法通过将混合高斯模型和深度学习模型结合，且采用创新的具有连接单元LSTM模型作为声学模型，提高了语音识别的准确度。此外，还提出了一种语音识别装置、计算机设备及存储介质。

技术领域

本发明涉及计算机处理领域，特别是涉及一种语音识别方法、装置、计算机设备及存储介质。

背景技术

语音识别，也被称为自动语音识别(Automatic Speech Recognition,ASR)，其目标是让机器通过识别和理解，把语音信号变成文字，是现代人工智能发展的重要分支。语音识别技术的实现是自然语言处理的前提，并能有效推动声控交互相关领域的发展并极大方便人们的生活，如智能家居、语音输入。语音识别的准确度直接决定了技术应用的有效性。

传统的语音识别技术是基于GMM-HMM(混合高斯模型和隐马尔科夫模型)进行声学模型的建立，近年来，随着深度学习技术的发展，基于DNN-HMM(深度学习模型和隐马尔科夫模型)进行声学模型的建立相对于GMM-HMM在识别准确度上虽然有了很大的提升，但是还有待于进一步提高语音识别的准确度。

发明内容

基于此，有必要针对上述语音识别准确度不够的问题，本发明提出了一种能更加准确的语音识别方法、装置、计算机设备及存储介质。

一种语音识别方法，所述方法包括：

获取待识别的语音数据；

提取所述语音数据中的Filter Bank特征和MFCC特征；

将所述MFCC特征作为训练后的GMM-HMM模型的输入数据，获取所述训练后的GMM-HMM模型输出的第一似然概率矩阵；

将所述Filter Bank特征作为训练后的具有连接单元的LSTM模型的输入特征，获取所述具有连接单元的LSTM模型输出的后验概率矩阵，所述连接单元用于控制所述LSTM模型中层与层之间的信息流动；

将所述后验概率矩阵和所述第一似然概率矩阵作为训练后的HMM模型的输入数据，获取输出的第二似然概率矩阵；

根据所述第二似然概率矩阵在音素解码网络中获取与所述待识别的语音数据对应的目标词序列。

一种语音识别装置，所述装置包括：

获取模块，用于获取待识别的语音数据；

提取模块，用于提取所述语音数据中的Filter Bank特征和MFCC特征；

第一输出模块，用于将所述MFCC特征作为训练后的GMM-HMM模型的输入数据，获取所述训练后的GMM-HMM模型输出的第一似然概率矩阵；

后验概率矩阵输出模块，用于将所述Filter Bank特征作为训练后的具有连接单元的LSTM模型的输入特征，获取所述具有连接单元的LSTM模型输出的后验概率矩阵，所述连接单元用于控制所述LSTM模型中层与层之间的信息流动；

第二输出模块，用于将所述后验概率矩阵和所述第一似然概率矩阵作为训练后的HMM模型的输入数据，获取输出的第二似然概率矩阵；

解码模块，用于根据所述第二似然概率矩阵在音素解码网络中获取与所述待识别的语音数据对应的目标词序列。