[发明专利]声学模型训练方法、装置、电子设备及存储介质

说明书

本发明实施例提供了一种声学模型训练方法、装置、电子设备及存储介质，该方法包括：获取语音数据的语音特征帧，将语音特征帧作为训练数据，并获取语音数据对应的标注文本数据；将训练数据输入目标模型中，得到训练数据对应的目标发音组合，以及训练数据对应的词图信息；确定训练数据中满足预设条件的词图信息所对应的第一训练数据；将训练数据中除第一训练数据之外的训练数据确定为第二训练数据；利用第二训练数据对声学模型进行区分性训练，直至区分性训练后的目标模型对应的语音识别系统的识别准确率大于预设准确率。可见，本发明实施例提供的技术方案，对训练数据进行筛选，可以提升声学模型的识别准确率，并可以降低数据处理计算量。

技术领域

本申请涉及语音识别技术领域，特别是涉及声学模型训练方法、装置、电子设备及存储介质。

背景技术

随着人工智能技术的发展，语音识别技术取得了巨大的进步，并开始进入家电、通信、汽车、医疗等各个领域。语音识别是把人的语音通过机器进行信号处理和识别，转变为相应文本，再通过语义分析和理解，最终让机器像人一样听懂我们的声音。

相关技术中，语音识别系统主要包括声学模型、语言模型和解码器三大模块。具体的，将带有标签的训练语音数据输入语音识别系统后，经过特征提取，得到声学特征向量；声学特征向量经由声学模型，得到每一声学特征向量对应的各个发音单元，解码器根据各个发音单元和语言模型来得到最终的语音识别结果。

声学模型作为语音识别系统的主要模块，声学模型的性能高低，直接决定了语音识别系统的语音识别准确率的高低。相关技术中，由于训练语音数据标注错误等原因，导致声学模型的性能较低，语音识别系统的语音识别准确率的较低。

发明内容

为解决相关技术中存在的因声学模型的性能较低，而导致语音识别系统的语音识别准确率较低的技术问题，本发明实施例提供了声学模型训练方法、装置、电子设备及存储介质。

第一方面，本发明实施例提供了声学模型训练方法，所述方法包括：

获取语音数据的语音特征帧，将所述语音特征帧作为训练数据，并获取所述语音数据对应的标注文本数据；

将所述训练数据输入目标模型中，得到所述训练数据对应的目标发音组合以及所述训练数据对应的词图信息，其中，所述目标发音组合是基于所述标注文本数据生成的，所述词图信息包括所述训练数据所对应的所有发音组合；

确定所述训练数据中满足预设条件的词图信息所对应的第一训练数据，所述预设条件用于表征词图信息的所有发音组合不包括所述目标发音组合，和/或，词图信息的复杂度小于预设复杂度；

将所述训练数据中除所述第一训练数据之外的训练数据确定为第二训练数据；

利用所述第二训练数据对所述目标模型进行区分性训练，直至区分性训练后的目标模型对应的语音识别系统的识别准确率大于预设准确率，并将所述区分性训练后的目标模型作为声学模型。

可选地，所述确定所述训练数据中满足预设条件的词图信息所对应的第一训练数据，包括：

在每一训练数据对应的词图信息中，按照所述训练数据包括的子训练数据的先后顺序，依次查找各个子训练数据对应的子发音；

将各个子训练数据依次对应的子发音所组成的发音组合，确定为所述训练数据对应的所有发音组合；

在所述训练数据对应的所有发音组合不包括目标发音组合时，将所述训练数据确定为第一训练数据。

可选地，所述词图信息的复杂度为所述词图信息所包括的所有发音组合的数量；

所述确定所述训练数据中满足预设条件的词图信息所对应的第一训练数据，包括：

在每一训练数据对应的词图信息中，按照所述训练数据包括的子训练数据的先后顺序，依次查找各个子训练数据对应的子发音；