[发明专利]语音识别方法、装置和系统及存储介质

权利要求书

1.一种语音识别方法，包括：

获取待识别语音；

提取所述待识别语音的声学特征；

将所述声学特征输入转换器模型，以在第i个时间步获得所述转换器模型输出的与第i个语音段相对应的模型分数集合，其中，所述待识别语音包括n个语音段，i＝1,2,……,n，所述模型分数集合包括与所述转换器模型所建模的文字集合中的所有文字一一对应的模型分数，每个模型分数表示所述第i个语音段属于该模型分数所对应的文字的概率；

结合所述模型分数集合以及加权有限状态机模块，计算从第1个语音段至所述第i个语音段中的所有语音段所对应的至少一个转移路径各自的路径分数；以及

基于所述至少一个转移路径各自的路径分数，获得与所述第i个语音段相对应的文字解码结果。

2.根据权利要求1所述的语音识别方法，其中，所述将所述声学特征输入转换器模型，以在第i个时间步获得所述转换器模型输出的与第i个语音段相对应的模型分数集合包括：

将所述待识别语音的声学特征输入所述转换器模型的编码器模块，以获得所述编码器模块输出的编码结果；

在所述第i个时间步下，将在所述第i个语音段之前的所有语音段的文字解码结果与所述编码结果一起，输入所述转换器模型的解码器模块，以获得所述解码器模块输出的所述模型分数集合。

3.根据权利要求1所述的语音识别方法，其中，所述结合所述模型分数集合以及加权有限状态机模块，计算从第1个语音段至所述第i个语音段中的所有语音段所对应的转移路径各自的路径分数包括：

从所述加权有限状态机模块中获取所述第i个语音段所对应的转移分数集合，所述转移分数集合包括与从先前状态转移到当前状态集合的所有转移弧一一对应的转移分数，其中，在i＝1的情况下，所述先前状态为起始状态，并且在i＞1的情况下，所述先前状态为与第i-1个语音段的文字解码结果相对应的状态，所述当前状态集合包括所述先前状态链接到的所有当前状态；

对于从所述起始状态出发转移至所述当前状态集合的过程中经历的所有转移路径中的任一当前转移路径，将先前转移路径的路径分数、所述转移分数集合中的与特定转移弧相对应的转移分数、以及所述模型分数集合中的与特定文字相对应的模型分数相加，以获得所述当前转移路径的路径分数，其中，所述当前转移路径包括所述先前转移路径和所述特定跳转弧，所述先前转移路径是从所述起始状态出发转移至所述先前状态的过程中经历的转移路径，所述特定转移弧是从所述先前状态转移至所述当前状态集合中的当前状态之一的转移弧，所述特定文字是与所述特定转移弧上的输出标签一致的文字；

其中，所述至少一个转移路径是从所述起始状态出发转移至所述当前状态集合的过程中经历的所有转移路径。

4.根据权利要求3所述的语音识别方法，其中，所述基于所述第1个语音段至所述第i个语音段中的所有语音段所对应的至少一个转移路径各自的路径分数，获得与所述第i个语音段相对应的文字解码结果包括：

从所述至少一个转移路径中选择路径分数最高的转移路径；

确定所选择的转移路径中包含的从所述先前状态转移至当前状态的转移弧上的输出标签为所述第i个语音段所对应的文字解码结果。

5.根据权利要求1所述的语音识别方法，其中，在所述结合所述模型分数集合以及加权有限状态机模块，计算从第1个语音段至所述第i个语音段中的所有语音段所对应的至少一个转移路径各自的路径分数之前，所述语音识别方法还包括：

接收用户输入的模型更新信息；以及

基于所述模型更新信息对所述加权有限状态机模块中的模型进行更新，其中，所述加权有限状态机模块包括声学模型、发音词典模型、语言模型、上下文相关音子模型中的一种或多种。

6.根据权利要求5所述的语音识别方法，其中，所述模型更新信息包括与新的转移弧相关的转移弧信息，所述转移弧信息包括新的转移弧上的输入标签、新的转移弧上的输出标签和所述新的转移弧的转移分数，所述基于所述模型更新信息对所述加权有限状态机模块中的模型进行更新包括：

将所述新的转移弧添加到所述加权有限状态机模块的对应模型中；或者，利用所述新的转移弧替换所述加权有限状态机模块的对应模型中的对应转移弧。