[发明专利]语音识别方法及装置、存储介质及电子设备

说明书

本公开提供了一种语音识别方法、语音识别装置、计算机可读存储介质和电子设备。该方法包括：获取样本语音信号，对样本语音信号进行解码，获得解码结果，从解码结果中提取第一特征，第一特征包含样本语音信号的前置字信息；从样本语音信号中抽取目标语音片段，获取目标语音片段的对数幅度谱；根据对数幅度谱确定第二特征，第二特征为样本语音信号的二维时频域特征；将第一特征和第二特征结合得到第三特征；使用第三特征对未经训练的分类器进行训练，获得经训练的分类器；获取待识别语音信号的待识别第三特征，以确定待识别第三特征中是否含有前置字。本公开提供一种对含有前置字的短字词进行识别的方法。

技术领域

本公开涉及语音识别技术领域，具体而言，涉及一种语音识别方法、语音识别装置、计算机可读存储介质和电子设备。

背景技术

语音识别技术是一种将人的语音转换为文本的技术，广泛应用于各类人工智能产品中，比如智能对话机器人、智能音箱、智能翻译设备等，并主要通过人机对话的方式来实现信息的交换。

在日常的人机对话过程中，用户通常会通过回答例如“是/不是”、“对/不对”、“买/没买”等短字词来表明自己的意图，因此，对这些短字词识别的准确率也显得尤为重要。

现有的大规模连续语音识别框架所使用的模型训练语料中，上述短字词的占比非常小，并没有专门针对上述含有前置字的短字词进行识别的方法。

发明内容

本公开提供一种语音识别方法、语音识别装置、计算机可读存储介质和电子设备，进而提供一种对含有前置字的短字词进行识别的方法。

根据本公开的第一方面，提供了一种语音识别方法，包括：获取样本语音信号，对所述样本语音信号进行解码，获得解码结果，从所述解码结果中提取第一特征，所述第一特征包含所述样本语音信号的前置字信息；从所述样本语音信号中抽取目标语音片段，获取所述目标语音片段的对数幅度谱；根据所述对数幅度谱确定第二特征，所述第二特征为所述样本语音信号的二维时频域特征；将所述第一特征和所述第二特征结合，得到第三特征；使用所述第三特征对未经训练的分类器进行训练，获得经训练的分类器；获取待识别语音信号的待识别第三特征，使用所述经训练的分类器对所述待识别第三特征进行分类，以确定所述待识别第三特征中是否含有所述前置字。

根据本公开的第二方面，提供了一种语音识别装置，包括：第一特征获取模块，用于获取样本语音信号，对所述样本语音信号进行解码，获得解码结果，从所述解码结果中提取第一特征，所述第一特征包含所述样本语音信号的前置字信息；第二特征获取模块，用于从所述样本语音信号中抽取目标语音片段，获取所述目标语音片段的对数幅度谱；根据所述对数幅度谱确定第二特征，所述第二特征为所述样本语音信号的二维时频域特征；第三特征获取模块，用于将所述第一特征和所述第二特征结合，得到第三特征；分类器训练模块，用于使用所述第三特征对未经训练的分类器进行训练，获得经训练的分类器；分类识别模块，用于获取待识别语音信号的待识别第三特征，使用所述经训练的分类器对所述待识别第三特征进行分类，以确定所述待识别第三特征中是否含有所述前置字。

根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的语音识别方法。

根据本公开的第四方面，提供了一种电子设备，包括处理器；存储器，用于存储一个或多个程序，当一个或多个程序被处理器执行时，使得所述处理器实现上述的语音识别方法。