[发明专利]多语种语音识别方法、装置及电子设备

权利要求书

1.一种多语种语音识别方法，其特征在于，所述方法包括：

获取待识别的目标语音；

调用预训练的声学模型以及预训练的多语种语言模型对所述目标语音进行解码，获取所述目标语音的识别结果搜索网格；

调用预训练的多个单语种语言模型分别对所述识别结果搜索网格进行重打分，分别筛选出一个对应语种的候选识别结果，并分别确定所述候选识别结果为所述目标语音的目标识别结果的概率；

按照所述概率从大到小的顺序将所述候选识别结果进行排序，并从排名前预设位数的候选识别结果中筛选出所述目标识别结果。

2.如权利要求1所述的方法，其特征在于，在调用预训练的声学模型以及预训练的多语种语言模型对所述目标语音进行解码之前，所述方法还包括：

对所述目标语音进行降噪处理，得到降噪处理后的目标语音；

对所述降噪处理后的目标语音进行特征提取，得到用于作为所述声学模型的输入的所述目标语音的语音帧序列。

3.如权利要求1所述的方法，其特征在于，通过以下方法预训练所述多语种语言模型，所述方法包括：

获取第一语种对应的第一训练文本以及第二语种对应的第二训练文本；

将所述第一训练文本以及所述第二训练文本共同输入所述多语种语言模型，得到所述多语种语言模型输出的所述第一训练文本的第一识别结果以及所述第二训练文本的第二识别结果；

基于所述第一识别结果以及所述第二识别结果确定所述多语种语言模型的识别误差；

通过反向传播所述识别误差调整所述多语种语言模型的参数，直到所述识别误差小于预设误差阈值。

4.如权利要求1所述的方法，其特征在于，调用预训练的声学模型以及预训练的多语种语言模型对所述目标语音进行解码，包括：

调用所述声学模型以所述目标语音的语音帧序列为输入，针对每一语音帧，输出所述语音帧对应各状态的第一概率以及所述各状态之间相互转移的第二概率；

获取所述多语种语言模型经预训练后得到的用于描述词序统计规律的第三概率；

基于所述第一概率、所述第二概率以及所述第三概率对所述目标语音进行解码，得到所述识别结果搜索网格。

5.如权利要求4所述的方法，其特征在于，基于所述第一概率、所述第二概率以及所述第三概率对所述目标语音进行解码，得到所述识别结果搜索网格，包括：

根据所述第一概率、所述第二概率以及所述第三概率建立所述目标语音的状态网络，所述状态网络中的节点用于描述单一状态下的语音帧，所述状态网络中的的边用于描述各个所述单一状态下的语音帧之间的转移概率；

采用维特比算法在所述状态网络中进行搜索，得到所述识别结果搜索网格。

6.如权利要求1所述的方法，其特征在于，从排名前预设位数的候选识别结果中筛选出所述目标识别结果，包括：将排名第一位的候选识别结果确定为所述目标识别结果。

7.如权利要求1所述的方法，其特征在于，从排名前预设位数的候选识别结果中筛选出所述目标识别结果，包括：从排名前预设位数的候选识别结果中随机选取出一候选识别结果作为所述目标识别结果。

8.一种多语种语音识别装置，其特征在于，所述装置包括：

获取模块，配置为获取待识别的目标语音；

解码模块，配置为调用预训练的声学模型以及预训练的多语种语言模型对所述目标语音进行解码，获取所述目标语音的识别结果搜索网格；

重打分模块，配置为调用预训练的多个单语种语言模型分别对所述识别结果搜索网格进行重打分，分别筛选出一个对应语种的候选识别结果，并分别确定所述候选识别结果为所述目标语音的目标识别结果的概率；

筛选模块，配置为按照所述概率从大到小的顺序将所述候选识别结果进行排序，并从排名前预设位数的候选识别结果中筛选出所述目标识别结果。