[发明专利]语音识别模型构建方法、装置、介质及电子设备

说明书

本发明的实施例提供了一种语音识别模型构建方法、装置、介质及电子设备，涉及语音识别技术领域。该方法包括：根据词典模型网络L和语言模型网络G构建第一网络LG；确定第一网络LG中包含词级别状态序列的目标输出边，并构建目标输出边对应的目标路径；其中，目标路径包括词级别状态序列对应的字级别状态序列；通过目标路径替换第一网络LG中的目标输出边，以根据替换处理后的第一网络LG以及预训练的第二网络构建语音识别模型。本发明实施例的技术方案不仅能够保证语音识别模型更好地量化、更方便压缩，以减少存储占用，降低系统计算的复杂度，而且能够保证语音识别模型的识别效率以及识别准确率。

技术领域

本发明的实施例涉及语音识别技术领域，更具体地，本发明的实施例涉及语音识别模型构建方法、语音识别模型构建装置、计算机可读存储介质以及电子设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着互联网技术的发展，语音识别已经成为人们生活以及相关智能服务中不可缺少的一部分。语音识别技术也被称为自动语音识别(Automatic Speech Recognition，ASR)，该技术能够将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。

目前的相关技术方案中，要么通过基于字级别的语音识别模型进行语音识别，要么通过基于词级别的语音识别模型进行语音识别。

发明内容

但是，基于词级别的语音识别模型，即使用词语作为基本输出单位的语音识别模型，会导致对应的输出词表较大，使语音识别模型不容易被压缩；基于字级别的语音识别模型，即使用字作为基本输出单位的语音识别模型，但是会导致语音识别得到的文本会丧失多音字消歧，静音建模等词级别天生附带的信息，因此在识别准确率上会比词级别的语音识别模型差，导致语音识别的效果较差。

因此在现有技术中，难以达到令人满意的语音识别模型。

为此，非常需要一种改进的语音识别模型构建方法，以使得构建的语音识别模型更加容易被量化，更方便被压缩，以减少存储占用，降低系统计算的复杂度，同时也保证语音识别模型的识别准确率以及识别效率。

在本上下文中，本发明的实施例期望提供一种语音识别模型构建方法、语音识别模型构建装置、计算机可读存储介质以及电子设备。

在本发明实施例的第一方面中，提供了一种语音识别模型构建方法，包括：根据预构建的词典模型网络L和预构建的语言模型网络G构建第一网络LG；其中，所述词典模型网络包含多个输出边；确定所述第一网络LG中包含词级别状态序列的目标输出边，并构建所述目标输出边对应的目标路径；其中，所述目标路径包括所述词级别状态序列对应的字级别状态序列；通过所述目标路径替换所述第一网络LG中的所述目标输出边，以根据替换处理后的所述第一网络LG以及预训练的第二网络构建语音识别模型。

在本发明的一些实施例中，基于前述方案，根据预构建的词典模型网络L和预构建的语言模型网络G构建第一网络LG，包括：获取预构建的词典模型网络L和预构建的语言模型网络G；通过组合构图算法将所述词典模型网络L以及所述语言模型网络G进行组合，构建第一网络LG。

在本发明的一些实施例中，基于前述方案，在构建第一网络LG之后，所述方法还包括：对所述第一网络LG进行优化处理以得到优化后的所述第一网络LG；其中，所述优化处理包括确定化操作处理、最小化操作处理、空转移处理和权重推移处理中的一种或者多种。