[发明专利]语音识别方法、装置、设备和存储介质

权利要求书

1.一种语音识别方法，其特征在于，所述方法包括：

对目标语音进行识别，得到所述目标语音的识别文本；

基于所述识别文本以及所述目标语音，确定所述识别文本中每个字的多个维度的特征；

基于所述识别文本中每个字的多个维度的特征确定所述识别文本中每个字的检测结果；

基于每个字的检测结果生成第一识别文本，其中，所述第一识别文本中包含所述识别文本中每个字及其对应的标记。

2.根据权利要求1所述的方法，其特征在于，所述基于每个字的检测结果生成第一识别文本，包括：

基于每个字的检测结果确定每个字的标记；

根据所述识别文本中每个字及其对应的标记生成第一识别文本；

其中，所述方法还包括：

在所述第一识别文本包含标记为错误的第一类字的情况下，对所述第一类字进行纠正处理得到纠正后的第一类字；

基于所述纠正后的第一类字以及所述第一识别文本中标记为正确或未被标记错误的第二类字，生成第二识别文本。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一类字进行纠正处理得到纠正后的第一类字，包括：

将所述第一类字对应的字特征向量统一替换为预设字特征向量；

对所述预设字特征向量对应的所述第一类字进行纠正处理。

4.根据权利要求3所述的方法，其特征在于，所述对所述预设字特征向量对应的所述第一类字进行纠正处理，包括：

基于所述第一识别文本中标记为正确或未被标记为错误的第二类字的字特征向量对所述预设字特征向量对应的第一类字进行预测，得到所述预设字特征向量对应的目标字特征向量；

将所述预设字特征向量替换为所述目标字特征向量。

5.根据权利要求1所述的方法，其特征在于，所述基于所述识别文本以及所述目标语音，确定所述识别文本中每个字的多个维度的特征，包括：

对所述识别文本进行处理，得到所述识别文本中每个字的字特征；

基于所述目标语音，确定所述目标语音的音频中每个字的声学特征。

6.根据权利要求5所述的方法，其特征在于，所述基于所述识别文本以及所述目标语音，确定所述识别文本中每个字的多个维度的特征，还包括：

将所述识别文本输入预设语言模型，得到所述预设语言模型输出的所述识别文本中每个字的困惑度特征。

7.根据权利要求1所述的方法，其特征在于，所述基于所述识别文本中每个字的多个维度的特征确定所述识别文本中每个字的检测结果，包括：

根据所述识别文本中每个字的多个维度的特征，确定所述识别文本中每个字为错误的目标概率值；

根据所述识别文本中每个字为错误的所述目标概率值，确定所述识别文本中将被标记为错误的第一类字。

8.根据权利要求7所述的方法，其特征在于，所述根据所述识别文本中每个字的多个维度的特征，确定所述识别文本中每个字为错误的目标概率值，包括：将所述识别文本中每个字分别对应的表征字特征的字特征向量和表征声学特征的声学特征向量逐点相加，得到所述识别文本中每个字的混合特征向量；根据所述识别文本中每个字的所述混合特征向量确定所述识别文本中每个字为错误的第一概率值；

根据所述识别文本中每个字的表征困惑度特征的困惑度特征向量确定所述识别文本中每个字为错误的第二概率值；

根据所述识别文本中每个字的所述第一概率值和所述第二概率值，确定所述识别文本中每个字为错误的目标概率值。