[发明专利]使用多级语料库数据增广进行驾驶舱语音识别声学模型训练的方法和系统

权利要求书

1.一种使通过包括至少一个处理器和系统存储器元件的计算机系统使用声学语音识别(ASR)模型来执行ASR的设备初始化的方法，所述方法包括：

通过所述至少一个处理器经由用户界面获得预定短语的多个语音数据发音，其中所述多个语音数据发音包括实际发音的语音数据的第一数量的音频样本，并且其中所述多个语音数据发音中的每一个包括所述音频样本中的一个，所述音频样本包括声频分量；

对预定短语的所述多个语音数据发音执行多次增广以生成语料库音频数据集，所述语料库音频数据集包括所述第一数量的音频样本和第二数量的音频样本，所述第二数量的音频样本包括所述第一数量的音频样本的增广版本，具体方式为：

通过以下方式执行第一级增广：处理所述多个语音数据发音中的每一个以增强所述声频分量的第一子集并抑制所述声频分量的第二子集，以生成包括多个语音变换的经变换的语音数据发音；以及

通过处理所述经变换的语音数据发音来执行第二级增广，具体方式为：

通过所述至少一个处理器将所述经变换的语音数据发音与基于噪声的音频数据组合以生成经组合的语音数据发音；以及

通过所述至少一个处理器为所述经组合的语音数据发音中的每个调节所述基于噪声的音频数据的级别以生成包括各种噪声级的所述语料库音频数据集，其中所述语料库音频数据集的每个音频样本包括所述多个语音变换中的一个和所述各种噪声级中的一个；以及

通过所述至少一个处理器使用所述语料库音频数据集来训练所述ASR模型以执行ASR。

2.根据权利要求1所述的方法，其中所述设备在飞机中实现，并且其中获得所述多个语音发音是使用与所述飞机通信地耦接的包括麦克风和扬声器的耳麦来执行的。

3.根据权利要求1所述的方法，其中执行所述第一级增广包括利用语音随机变换算法，所述语音随机变换算法随机地选择所述第一子集和所述第二子集。

4.根据权利要求1所述的方法，其中所述声频分量的所述第一子集包括相同频率范围的频率分量。

5.根据权利要求1所述的方法，其中所述声频分量的所述第二子集包括相同频率范围的频率分量。

6.根据权利要求1所述的方法，其中所述设备在飞机中实现，并且其中调节所述基于噪声的音频数据包括调节驾驶舱噪声剖面数据。

7.根据权利要求1所述的方法，其中所述设备在飞机中实现，并且其中所述方法还包括接收机组人员或空中交通管制语音通信，并且使用所述ASR模型来自动地识别所述语音通信中说出的词语。

8.根据权利要求7所述的方法，还包括基于所述所识别的说出的词语来自动地执行飞机功能。

9.根据权利要求1所述的方法，还包括使用随后经由所述用户界面接收的所述预定短语的进一步多个语音数据发音来生成更新的ASR模型。

10.一种使用声学语音识别(ASR)模型来执行ASR的计算机系统，所述计算机系统包括：

系统存储器元件；

用户界面；和

至少一个处理器，其中所述至少一个处理器被配置为：

经由所述用户界面获得预定短语的多个语音数据发音，其中所述多个语音数据发音包括实际发音的语音数据的第一数量的音频样本，并且其中所述多个语音数据发音中的每一个包括所述音频样本中的一个，所述音频样本包括声频分量；

对预定短语的所述多个语音数据发音执行多次增广以生成语料库音频数据集，所述语料库音频数据集包括所述第一数量的音频样本和第二数量的音频样本，所述第二数量的音频样本包括所述第一数量的音频样本的增广版本，具体方式为：

通过以下方式执行第一级增广：处理所述多个语音数据发音中的每一个以增强所述声频分量的第一子集并抑制所述声频分量的第二子集，以生成包括多个语音变换的经变换的语音数据发音；以及

通过处理所述经变换的语音数据发音来执行第二级增广，具体方式为：

将所述经变换的语音数据发音与基于噪声的音频数据组合以生成经组合的语音数据发音；以及

为所述经组合的语音数据发音中的每个调节所述基于噪声的音频数据的级别以生成包括各种噪声级的所述语料库音频数据集，其中所述语料库音频数据集的每个音频样本包括所述多个语音变换中的一个和所述各种噪声级中的一个；以及

使用所述语料库音频数据集来训练所述ASR模型以执行ASR。