[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

说明书

本发明公开了一种建立语音识别模型的方法、语音识别方法及系统，其中所述建立语音识别模型的方法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，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。应用本发明所述方案，扩展型强，支持N‑Gram语言模型，支持类模型，使用灵活，适用于车载环境中的嵌入式识别器。

【技术领域】

本发明涉及语音处理技术领域，特别涉及一种建立语音识别模型的方法、语音识别方法及系统。

【背景技术】

虽然网络越来越普及，但是还是有很多情况下是没有网络或者网络比较弱，这时候使用云端的语音识别服务难以实现，而且对于一些不复杂的语音识别指令或者短query放到本地的嵌入式识别器中更方便，响应也会更快，使用起来也会更方便。

现有的本地语音识别技术方案中，语音都是基于用户给定的一个词表和语法格式进行构建，单一且扩展性低，不支持多grammar构建，不支持类模型等，使用起来不够灵活。

【发明内容】

本申请的多个方面提供了一种建立语音识别模型的方法、语音识别方法及系统，用于提供一种灵活的语音识别技术方案。

本申请的一方面，提供一种建立语音识别模型的方法，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，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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述声学的音节映射关系表为预先训练的DNN模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述音节为每个字的读音。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述语言模型为N-Gram语言模型。

本发明的另一方面，提供一种语音识别方法，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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，将所述目标音频数据中的目标滤波器组特征作为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。