[发明专利]语音识别方法及装置、介质和设备

说明书

本公开涉及语音识别技术领域，提供了一种语音识别方法及装置，以及计算机存储介质和电子设备。其中，该方法包括：将待识别语音输入至语音识别模型，获取语音识别模型的编码器的编码隐状态序列，和获取语音识别模型的解码器的解码隐状态序列；对于解码器在第t时间步的输出特征，在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；根据注意力分配概率确定第t时间步的输出特征，以根据输出特征得到待识别语音对应的目标语音。本技术方案够使得语音识别模型实现在线解码。

技术领域

本公开涉及人工智能技术领域，具体而言，涉及一种语音识别方法及装置，以及实现上述语音识别方法的计算机存储介质和电子设备。

背景技术

随着人工智能技术的迅速发展，基于人工智能的语音识别技术也不断成熟起来。语音识别技术有利于提升人们的生活品质，例如，语音识别技术使得人机交互界面更加人性化，语音识别技术提供智能问答机器人等。

相关技术中，采用基于隐马尔科夫模型(Hidden Markov Model，简称：HMM)的语音识别模型进行语音识别，HHM用于语素时序建模。其中，HMM自身存在一个强假设，即当前时刻的状态只取决于前一时刻的状态。在语音识别过程中。因此，基于HHM的语音识别模型中，当前时刻的语素状态只取决于前一时刻的语素状态。

从而，基于相关技术提供的语音识别模型进行长句识别时，其识别效率有待提升。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。

发明内容

本公开的目的在于提供一种语音识别方法及装置，以及实现上述语音识别方法的计算机存储介质和电子设备，进而至少在一定程度上提升语言识别模型识别的识别效率。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种语音识别方法，包括：

将待识别语音输入至语音识别模型，获取上述语音识别模型的编码器的编码隐状态序列，和获取上述语音识别模型的解码器的解码隐状态序列；对于上述解码器在第t时间步的输出特征，在上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上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；以及，根据上述注意力分配概率确定上述第t时间步的输出特征，以根据上述输出特征得到上述待识别语音对应的目标语音。

在本公开的一些实施例中，基于前述方案，上述对于上述解码器在第t时间步的输出特征，在上述编码隐状态序列中确定至少一个目标编码隐状态，包括：

对于上述解码器在第t-1时间步的输出特征，在上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；基于上述第一源隐状态确定第一窗口，将上述第一窗口内的编码隐状态作为上述第t-1时间步的输出特征对应的目标编码隐状态；对于上述解码器在上述第t时间步的输出特征，在上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；以及，基于上述第二源隐状态确定第二窗口，将上述第二窗口内的编码隐状态作为上述第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。

在本公开的一些实施例中，基于前述方案，上述根据第t-1时间步的解码隐状态和上述目标编码隐状态计算注意力分配概率，包括：

将n1维的上述第t-1时间步的解码隐状态分为k份，以及将n2维的上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：n1/k份第t-1时间步的解码隐状态和n2/k份目标编码隐状态；并行计算上述k组向量集的关联度，得到k个关联度值；以及，根据上述k个关联度值确定上述第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。