[发明专利]语音识别的声学模型训练方法、系统、设备及介质

权利要求书

1.一种语音识别的声学模型训练方法，其特征在于，包括以下步骤：

获取训练样本；其中，所述训练样本包括无标签的多个第一语音片段和有标签的多个第二语音片段；

将所述第一语音片段分别输入多个预设的不同的基准语音识别模型中进行识别，以获取多个识别文本；

计算每两个所述识别文本间的相似度值，以确定所述第一语音片段对应的文本得分；

判断所述文本得分是否大于所述预设阈值，若是，则将所述文本得分对应的所述第一语音片段筛选出来，以作为第三语音片段；其中，所述第三语音片段具有利用所述基准语音识别模型识别后生成的伪标签；

基于所述第三语音片段和所述第二语音片段训练生成语音识别模型。

2.如权利要求1所述的声学模型训练方法，其特征在于，所述判断所述文本得分是否大于所述预设阈值之后，还包括：

若否，则将所述文本得分对应的所述第一语音片段进行删除。

3.如权利要求1所述的声学模型训练方法，其特征在于，所述将所述文本得分对应的所述第一语音片段筛选出来，以作为第三语音片段的步骤之后还包括：

获取字错率最低的所述基准语音识别模型对所述第三语音片段识别后生成的待纠正识别文本；

对所述待纠正识别文本进行纠正后，以获取所述第三语音片段对应的伪标签。

4.如权利要求1所述的声学模型训练方法，其特征在于，所述计算每两个所述识别文本间的相似度值，以确定所述第一语音片段对应的文本得分的步骤包括：

利用编辑距离法计算所述识别文本间的相似度；其中，所述编辑距离法包括将一个字符替换成另一个字符、插入一个字符以及删除一个字符中至少一种；

基于所述相似度计算所述第一语音片段对应的文本得分。

5.如权利要求1所述的声学模型训练方法，其特征在于，所述基于所述第三语音片段和所述第二语音片段训练生成语音识别模型，包括：

选择字错率最低的所述基准语音识别模型作为待训练模型；

以所述第三语音片段及其标注的伪标签更新所述待训练模型的训练数据；

基于包括伪标签的所述第三语音片段和所述第二语音片段对所述待训练模型进行重训练，以生成语音识别模型。

6.如权利要求1所述的声学模型训练方法，其特征在于，所述获取训练样本的步骤之后还包括：

利用所述第二语音片段训练多个基准模型，以生成多个具有语音识别能力的所述基准语音识别模型；其中，每个所述基准模型的网络结构不同，每个所述基准语音识别模型对应的字错率不同。

7.一种语音识别的声学模型训练系统，其特征在于，所述声学模型训练系统包括：

第一获取模块，用于获取训练样本；其中，所述训练样本包括无标签的多个第一语音片段和有标签的多个第二语音片段；

识别模块，用于将所述第一语音片段分别输入多个预设的不同的基准语音识别模型中进行识别，以获取多个识别文本；

计算模块，用于计算每两个所述识别文本间的相似度值，以确定所述第一语音片段对应的文本得分；

判断模块，用于判断所述文本得分是否大于所述预设阈值；

若是，则调用筛选模块，所述筛选模块用于将所述文本得分对应的所述第一语音片段筛选出来，以作为第三语音片段；其中，所述第三语音片段具有利用所述基准语音识别模型识别后生成的伪标签；

训练模块，用于基于所述第三语音片段和所述第二语音片段训练生成语音识别模型。

8.如权利要求7所述的语音识别的声学模型训练系统，其特征在于，若所述判断模块的判断结果为否，则调用删除模块，所述删除模块用于将所述文本得分对应的所述第一语音片段进行删除。

9.如权利要求7所述的语音识别的声学模型训练系统，其特征在于，所述系统还包括：

第二获取模块，用于获取字错率最低的所述基准语音识别模型对所述第三语音片段识别后生成的待纠正识别文本；

第三获取模块，用于对所述待纠正识别文本进行纠正后，以获取所述第三语音片段对应的伪标签。