[发明专利]一种语音识别方法及装置

权利要求书

1.一种语音识别方法，其特征在于，包括：

获取待识别音频帧序列；

分别提取所述待识别音频帧序列中各待识别音频帧的声学特征；

根据所述各待识别音频帧的声学特征和已生成的解码图，对所述待识别音频帧序列进行解码，确定所述待识别音频帧序列对应的词语的识别结果，其中，所述解码图是至少根据声学模型和发音词典而生成的，所述声学模型用于基于声学特征以识别音素，所述发音词典用于针对已知音素以识别输出所述已知音素对应的词语文本，并针对未知音素以识别输出以所述未知音素的音素文本表示的词语文本。

2.如权利要求1所述的方法，其特征在于，进一步包括：

获取语音样本集，并根据所述语音样本集，训练获得所述声学模型，以及生成所述声学模型对应的声学模型有限状态转换器，其中，所述语音样本集中的语音样本表征携带音素标注的语音；

获取发音词典，并根据所述发音词典中词语文本与音素序列的对应关系，生成所述发音词典对应的发音词典有限状态转换器，所述发音词典有限状态转换器表征各个词语文本对应的音素序列的状态转移概率；

根据所述声学模型有限状态转换器和所述发音词典有限状态转换器，生成所述解码图。

3.如权利要求2所述的方法，其特征在于，进一步包括：

获得句子文本样本集，并根据所述句子文本样本集，训练获得语言模型，以及根据所述语言模型，生成所述语言模型对应的语言模型有限状态转换器，其中，所述语言模型有限状态转换器表征各个字或词语之间的状态转移概率；

根据所述声学模型有限状态转换器、所述发音词典有限状态转换器和所述语言模型有限状态转换器，生成所述解码图。

4.如权利要求1-3任一项所述的方法，其特征在于，根据所述各待识别音频帧的声学特征和已生成的解码图，对所述待识别音频帧序列进行解码，确定所述待识别音频帧序列对应的词语的识别结果，具体包括：

根据所述各待识别音频帧的声学特征和已生成的解码图，从所述解码图中搜索获得候选解码路径和对应的概率分值，并将概率分值最大的候选解码路径对应的词语文本序列，作为所述待识别音频帧序列对应的词语的识别结果。

5.如权利要求4所述的方法，其特征在于，进一步包括：

若确定所述待识别音频帧序列对应的词语的识别结果中词语文本序列包含音素文本序列，则根据所述音素文本序列和确定对应的词语文本，更新所述发音词典；

至少根据所述声学模型和更新后的发音词典，更新所述解码图。

6.如权利要求5所述的方法，其特征在于，进一步包括：

根据更新后的解码图，对所述待识别音频帧序列进行解码识别，确定所述待识别音频帧序列对应的词语的识别结果。

7.一种语音识别装置，其特征在于，包括：

获取模块，用于获取待识别音频帧序列；

提取模块，用于分别提取所述待识别音频帧序列中各待识别音频帧的声学特征；

解码模块，用于根据所述各待识别音频帧的声学特征和已生成的解码图，对所述待识别音频帧序列进行解码，确定所述待识别音频帧序列对应的词语的识别结果，其中，所述解码图是至少根据声学模型和发音词典而生成的，所述声学模型用于基于声学特征以识别音素，所述发音词典用于针对已知音素以识别输出所述已知音素对应的词语文本，并针对未知音素以识别输出以所述未知音素的音素文本表示的词语文本。

8.如权利要求7所述的装置，其特征在于，进一步包括，更新模块，用于：

若确定所述待识别音频帧序列对应的词语的识别结果中词语文本序列包含音素文本序列，则根据所述音素文本序列和确定对应的词语文本，更新所述发音词典；

至少根据所述声学模型和更新后的发音词典，更新所述解码图。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。