[发明专利]一种建立语音识别模型的方法、语音识别方法及系统

权利要求书

1.一种建立语音识别模型的方法，其特征在于，包括：

读取并解析每个语法文件，构建每个语法的网络；

读取声学的音节映射关系表，所述音节映射关系表为预先训练的DNN模型，所述预先训练的DNN模型包含构成所述语法的网络中的每个词的音元之间的转移概率，将每个语法的网络中的每个词采用该词的DNN模型替换，从而将所述每个语法的网络分别展开为音节网络；

对各个音节网络进行合并最小化操作，形成音元解码网络；

利用所述音元解码网络和语言模型，形成语音识别模型。

2.根据权利要求1所述的方法，其特征在于，所述读取并解析每个语法文件包括：

对所述每个语法文件进行解析，得到其中的词典信息和连接关系。

3.根据权利要求1所述的方法，其特征在于，所述音节为每个字的读音。

4.根据权利要求1所述的方法，其特征在于，所述对各个音节网络进行合并最小化操作包括：

采用计算机图论方法对所述各个音节网络的组合进行优化。

5.根据权利要求1所述的方法，其特征在于，所述语言模型为N-Gram语言模型。

6.一种语音识别方法，其特征在于，包括：

获取目标音频数据；

提取所述目标音频数据中的目标滤波器组特征；

将所述目标音频数据中的目标滤波器组特征作为如权利要求1-5所述语音识别模型的输入数据，获取所述目标音频数据对应的目标词序列数据。

7.根据权利要求6所述的方法，其特征在于，将所述目标音频数据中的目标滤波器组特征作为如权利要求1-6所述语音识别模型的输入数据，获取所述目标音频数据对应的目标词序列数据，包括：

将所述目标音频数据中的目标滤波器组特征作为训练后的DNN模型的输入数据，获取第一目标滤波器组特征的目标音素状态上的后验概率特征；

采用训练后的HMM的音素转换概率、所述第一目标滤波器组特征的目标音素状态上的后验概率特征以及N-Gram语言模型，在所述语音识别模型中获取所述目标音频数据对应的目标词序列数据。

8.一种建立语音识别模型的系统，其特征在于，包括：

构建模块，用于读取并解析每个语法文件，构建每个语法的网络；

展开模块，用于读取声学的音节映射关系表，所述音节映射关系表为预先训练的DNN模型，所述预先训练的DNN模型包含构成所述语法的网络中的每个词的音元之间的转移概率，将每个语法的网络中的每个词采用该词的DNN模型替换，从而将所述每个语法的网络分别展开为音节网络；

合并模块，用于对各个音节网络进行合并最小化操作，形成音元解码网络；

生成模块，用于利用所述音元解码网络和语言模型，形成语音识别模型。

9.根据权利要求8所述的系统，其特征在于，所述构建模块具体用于：

对所述每个语法文件进行解析，得到其中的词典信息和连接关系。

10.根据权利要求8所述的系统，其特征在于，所述音节为每个字的读音。

11.根据权利要求8所述的系统，其特征在于，所述合并模块具体用于：

采用计算机图论方法对所述各个音节网络的组合进行优化。

12.根据权利要求8所述的系统，其特征在于，所述语言模型为N-Gram语言模型。

13.一种语音识别系统，其特征在于，包括：

音频数据获取模块，用于获取目标音频数据；

特征提取模块，用于提取所述目标音频数据中的目标滤波器组特征；

词序列获取模块，用于将所述目标音频数据中的目标滤波器组特征作为如权利要求1-5所述语音识别模型的输入数据，获取所述目标音频数据对应的目标词序列数据。