[发明专利]用于语音识别系统的联合解码方法及系统

说明书

本发明公开一种用于语音识别系统的联合解码方法及系统，应用于第一语音识别系统和第二语音识别系统之间的联合解码，其中方法包括：获取所述第一语音识别系统的第一后验分数序列，和所述第二语音识别系统的第二后验分数序列；采用DTW算法确定所述第一后验分数序列和所述第二后验分数序列之间的对齐关系；根据所述对齐关系融合所述第一后验分数序列和所述第二后验分数序列以得到融合结果；对所述融合结果进行解码处理。本发明在进行语音识别系统的融合时只需要进行一次解码即可，并且在对两系统的结果进行融合前实现了两系统的后验得分的对齐，保证了融合效果。

技术领域

本发明涉及语音识别技术领域，尤其涉及一种用于语音识别系统的联合解码方法及系统。

背景技术

连接主义时序分类算法(CTC，connectionist temporal classification)已经成功的在语音识别任务中得到使用。在没有帧级别的标注下，CTC可以自动的学习到语音帧和音素标注的对应关系。虽然这对于缩短训练的流程有益，但是成为了系统在帧级别融合的困难。

关于语音识别的系统融合技术主要有通过识别输出投票错误减小算法(ROVER)，混合网络融合技术(confusion network combination)，最小贝叶斯风险网格融合技术(minimum Bayes risk lattice combination)，联合解码(joint decoding)。

ROVER：将每一个识别系统的识别结果根据最小编辑距离做对齐后，选择每个位置(slot)上置信度最高的字；

Confusion network combination：与ROVER方法类似，但是是将每一个识别系统生成的lattice进行融合后对齐，然后选出每个位置(slot)上置信度最高的字，相比ROVER候选的字更多；

minimum Bayes risk lattice combination：和Confusion networkcombination一样也是在lattice上做融合，但是是计算融合后的lattice中通过优化最小贝叶斯风险找到一条最优的解码路径；

Joint decoding：分加权融合不同系统声学模型的后验分数，然后进行解码。

ROVER，Confusion network combination，minimum Bayes risk latticecombination方法都需要多次解码，确切的讲，有几套系统就需要解码多少次，很费时；joint decoding方法虽然只需要一次解码，但是对于CTC系统，系统的后验得分序列往往不是对齐的，融合效果不能保证稳定。

发明内容

本发明实施例提供一种用于语音识别系统的联合解码方法及系统，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种用于语音识别系统的联合解码方法，应用于第一语音识别系统和第二语音识别系统之间的联合解码，所述方法包括：

获取所述第一语音识别系统的第一后验分数序列，和所述第二语音识别系统的第二后验分数序列；

采用DTW算法确定所述第一后验分数序列和所述第二后验分数序列之间的对齐关系；

根据所述对齐关系融合所述第一后验分数序列和所述第二后验分数序列以得到融合结果；

对所述融合结果进行解码处理。

第二方面，本发明实施例提供一种用于语音识别系统的联合解码系统，应用于第一语音识别系统和第二语音识别系统之间的联合解码，所述系统包括：

序列获取模块，用于获取所述第一语音识别系统的第一后验分数序列，和所述第二语音识别系统的第二后验分数序列；