[发明专利]一种语音识别方法及装置

说明书

本申请涉及计算机技术领域，尤其涉及一种语音识别方法及装置，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，这样，可以自动发现新词和不同发音，进而提高语音识别准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种语音识别方法及装置。

背景技术

在语音识别场景中，例如进行音频转录时，需要对音频进行解码识别，通常在语音识别中，会预先构建语音识别的发音词典，发音词典是非常重要的一部分，只有词语在发音词典中有正确的发音，该词语才能够被正确识别，而实际中经常会出现一些新词或者已有词语的不同发音的情况，很容易识别错误，相关人员也无法及时了解出现错误的原因，从而会降低语音识别的准确性。

发明内容

本申请实施例提供一种语音识别方法及装置，以能够实现自动发现新词和不同发音，进而提高语音识别准确性。

本申请实施例提供的具体技术方案如下：

本申请一个实施例中提供了一种语音识别方法，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。

本申请另一个实施例中提供了一种语音识别装置，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。

本申请另一个实施例中提供了一种电子设备，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，所述处理器执行所述程序时实现上述任一种语音识别方法的步骤。

本申请另一个实施例中提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种语音识别方法的步骤。

本申请实施例中，获取待识别音频帧序列，并分别提取各待识别音频帧的声学特征，进而根据解码图，对待识别音频帧序列进行解码，确定待识别音频帧序列的词语的识别结果，其中，生成解码图的发音词典，可以对已知音素以识别输出已知音素对应的词语文本，并针对未知音素以识别输出以未知音素的音素文本表示的词语文本，这样，在出现新词或新发音时，即出现了未知音素，可以直接输出以音素文本序列表示的词语文本序列，从而可以根据识别结果，自动发现待识别音频帧序列中的新词和已有词语的新发音，并且还可以根据音素文本序列，进而可以不断更新发音词典，将新词的音素文本序列和已有词的新的音素文本序列，加入发音词典中，因此可以提高语音识别准确性。

附图说明