[发明专利]语音识别方法及装置、介质和设备

权利要求书

1.一种语音识别方法，其特征在于，所述方法包括：

将待识别语音输入至语音识别模型，获取所述语音识别模型的编码器的编码隐状态序列，和获取所述语音识别模型的解码器的解码隐状态序列；

对于所述解码器在第t时间步的输出特征，在所述编码隐状态序列中确定至少一个目标编码隐状态；

根据第t-1时间步的解码隐状态和所述目标编码隐状态计算注意力分配概率，其中，t为大于1的整数；

根据所述注意力分配概率确定所述第t时间步的输出特征，以根据所述输出特征得到所述待识别语音对应的目标语音。

2.根据权利要求1所述的语音识别方法，其特征在于，所述对于所述解码器在第t时间步的输出特征，在所述编码隐状态序列中确定至少一个目标编码隐状态，包括：

对于所述解码器在第t-1时间步的输出特征，在所述编码隐状态序列中确定第i个编码隐状态为第一源隐状态；

基于所述第一源隐状态确定第一窗口，将所述第一窗口内的编码隐状态作为所述第t-1时间步的输出特征对应的目标编码隐状态；

对于所述解码器在所述第t时间步的输出特征，在所述编码隐状态序列中确定第j个编码隐状态为第二源隐状态；

基于所述第二源隐状态确定第二窗口，将所述第二窗口内的编码隐状态作为所述第t时间步的输出特征对应的目标编码隐状态，其中，j大于等于i。

3.根据权利要求1或2所述的语音识别方法，其特征在于，所述根据第t-1时间步的解码隐状态和所述目标编码隐状态计算注意力分配概率，包括：

将n1维的所述第t-1时间步的解码隐状态分为k份，以及将n2维的所述目标编码隐状态分为k份，得到k组向量集，每组向量集包含：份第t-1时间步的解码隐状态和份目标编码隐状态；

并行计算所述k组向量集的关联度，得到k个关联度值；

根据所述k个关联度值确定所述第t时间步的输出特征对应的注意力分配概率，其中，n1、n2为正整数，k为大于1的整数。

4.根据权利要求3所述的语音识别方法，其特征在于，所述并行计算所述k组向量集的关联度，包括：

基于相同的模型参数计算每组向量集的关联度。

5.根据权利要求3所述的语音识别方法，其特征在于，所述根据所述k个关联度值确定所述第t时间步的输出特征对应的注意力分配概率，包括：

计算所述k个关联度值的平均值，并通过激活函数将所述平均值映射为所述注意力分配概率。

6.根据权利要求3所述的语音识别方法，其特征在于，所述根据所述注意力分配概率确定所述第t时间步的输出特征，包括：

根据所述目标编码隐状态和所述注意力分配概率计算目标语义特征；

根据所述目标语义特征和所述第t-1时间步的解码隐状态确定所述第t时间步的输出特征。

7.根据权利要求3所述的语音识别方法，其特征在于，所述方法还包括：

通过数据增强算法处理所述语音识别模型的训练样本的频谱图；

根据处理后的频谱图训练所述语音识别模型。

8.一种语音识别装置，其特征在于，所述装置包括：

隐状态序列获取模块，被配置为：将待识别语音输入至语音识别模型，获取所述语音识别模型的编码器的编码隐状态序列，和获取所述语音识别模型的解码器的解码隐状态序列；

目标编码隐状态确定模块，被配置为：对于所述解码器在第t时间步的输出特征，在所述编码隐状态序列中确定至少一个目标编码隐状态；

注意力分配概率计算模块，被配置为：根据第t-1时间步的解码隐状态和所述目标编码隐状态计算注意力分配概率，其中，t为大于1的整数；

目标语音确定模块，被配置为：根据所述注意力分配概率确定所述第t时间步的输出特征，以根据所述输出特征得到所述待识别语音对应的目标语音。

9.一种计算机存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的语音识别方法。

10.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任意一项所述的语音识别方法。