[发明专利]一种语音识别方法、装置和用于语音识别的装置

说明书

本发明实施例提供了一种语音识别方法、装置和用于语音识别的装置。其中的方法具体包括：确定待识别语音的语音特征；利用声学模型，确定所述语音特征对应的语音识别结果；所述声学模型包括：神经网络模型和隐马尔可夫模型；所述神经网络模型包括：输入层、隐层和输出层；所述隐层包括：前馈神经网络层和自注意力神经网络层；输出所述语音识别结果。本发明实施例可以提高语音识别效率。

技术领域

本发明实施例涉及语音处理技术领域，尤其涉及一种语音识别方法、装置和用于语音识别的装置。

背景技术

语音识别技术是一种将语音转换为文本的技术。随着计算机技术的发展，语音识别的应用场景也逐渐增多，例如语音输入场景、智能聊天场景、语音翻译场景等。

目前的语音识别技术，基于深度神经网络(DNN，Deep Neural Networks)以及隐马尔科夫模型(HMM，Hidden Markov Model)进行声学模型的建立。声学模型采用深度神经网络模型对声学发音和基本声学单元之间的映射关系进行建模。由于语言是上下文相关的，目前的深度神经网络通常采用带有记忆单元的递归神经网络结构，如长短期记忆网络(LSTM，Long Short-Term Memory)、双向LSTM、门控循环单元(GRU，gated recurrentneural network)等神经网络结构，以提高语音识别的准确率。

在实际应用中，由于递归神经网络结构对应的不同帧之间存在依赖性，因此，递归神经网络结构的运算是串行的，串行的运算导致语音识别的效率较低。

发明内容

本发明实施例提供一种语音识别方法、装置和用于语音识别的装置，可以提高语音识别效率。

为了解决上述问题，本发明实施例公开了一种语音识别方法，包括：

确定待识别语音的语音特征；

利用声学模型，确定所述语音特征对应的语音识别结果；所述声学模型包括：神经网络模型和隐马尔可夫模型；所述神经网络模型包括：输入层、隐层和输出层；所述隐层包括：前馈神经网络层和自注意力神经网络层；

输出所述语音识别结果。

另一方面，本发明实施例公开了一种语音识别装置，包括：

语音特征确定模块，用于确定待识别语音的语音特征；

语音识别结果确定模块，用于利用声学模型，确定所述语音特征对应的语音识别结果；所述声学模型包括：神经网络模型和隐马尔可夫模型；所述神经网络模型包括：输入层、隐层和输出层；所述隐层包括：前馈神经网络层和自注意力神经网络层；以及

语音识别结果输出模块，用于输出所述语音识别结果。

再一方面，本发明实施例公开了一种用于语音识别的装置，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

确定待识别语音的语音特征；

利用声学模型，确定所述语音特征对应的语音识别结果；所述声学模型包括：神经网络模型和隐马尔可夫模型；所述神经网络模型包括：输入层、隐层和输出层；所述隐层包括：前馈神经网络层和自注意力神经网络层；

输出所述语音识别结果。

为了解决上述问题，本发明实施例公开了一种神经网络模型的训练方法，所述神经网络模型应用于语音识别，所述语音识别的声学模型包括：所述神经网络模型与隐马尔可夫模型；所述方法包括：

对训练数据进行对齐，以得到对齐信息；

依据所述对齐信息，将所述训练数据切分为预设长度的数据块；