[发明专利]语音识别模型的训练与语音识别的方法、装置

说明书

本公开公开了一种语音识别模型的训练与语音识别的方法，涉及深度学习与语音处理技术领域。语音识别模型的训练方法包括：获取训练数据；构建包含第一识别模型与第二识别模型的神经网络模型；将各语音数据作为第一输入序列输入第一识别模型，根据第一识别模型针对各语音数据输出的第一输出序列与特征序列，得到各语音数据的第二输入序列；根据各语音数据的第二输入序列与标签序列，训练第二识别模型，直至第二识别模型收敛，将第一识别模型与训练得到的第二识别模型作为语音识别模型。语音识别的方法包括：获取待识别语音数据；将待识别语音数据作为语音识别模型的输入，将语音识别模型的输出结果作为待识别语音数据的识别结果。

技术领域

本公开涉及数据处理技术领域，尤其涉及深度学习与语音处理技术领域。提供了一种语音识别模型的训练与语音识别的方法、装置、电子设备和可读存储介质。

背景技术

语音识别是将声音信号转换为对应的文本，其是实现人机交互非常重要的途径之一。近年来，随着语音识别准确率的极大提升和智能设备的不断普及，语音输入已经成为文字输入的主要方式之一，语音交互也已经在越来越多的场景得到应用。语音识别的响应速度和准确率都是影响语音输入和语音交互用户体验的关键因素。

从场景上，语音识别可以分为流式场景和非流式场景。非流式语音识别是指在用户说完一句话或一段话之后再进行识别，而流式语音识别则是指在用户还在说话的时候便同步进行语音识别。

流式语音识别因为其延时低的特点，在工业界中有着广泛的应用。但是，相对于非流式语音识别来说，因为需要在未说完一句或者一段话就开始识别，流式识别的准确率相对更低。

发明内容

本公开提供了一种语音识别模型的训练与语音识别的方法、装置、电子设备和可读存储介质，用于建立能够适应于流式识别场景的语音识别模型，从而提升语音识别模型在任何场景下的识别准确性。

根据本公开的第一方面，提供了一种语音识别模型的训练方法，包括：获取训练数据，所述训练数据中包含多个语音数据以及各语音数据的标签序列；构建包含第一识别模型与第二识别模型的神经网络模型，所述第二识别模型由多个transformer块构成；将各语音数据作为第一输入序列输入所述第一识别模型，根据所述第一识别模型针对各语音数据输出的第一输出序列与特征序列，得到各语音数据的第二输入序列；根据各语音数据的第二输入序列与标签序列，训练所述第二识别模型，直至所述第二识别模型收敛，将所述第一识别模型与训练得到的第二识别模型作为语音识别模型。

根据本公开的第二方面，提供了一种语音识别的方法，包括：获取待识别语音数据；将所述待识别语音数据输入语音识别模型，将所述语音识别模型的输出结果作为所述待识别语音数据的识别结果。

根据本公开的第三方面，提供了一种语音识别模型的训练装置，包括：第一获取单元，用于获取训练数据，所述训练数据中包含多个语音数据以及各语音数据的标签序列；构建单元，用于构建包含第一识别模型与第二识别模型的神经网络模型，所述第二识别模型由多个transformer块构成；处理单元，用于将各语音数据作为第一输入序列输入所述第一识别模型，根据所述第一识别模型针对各语音数据输出的第一输出序列与特征序列，得到各语音数据的第二输入序列；训练单元，用于根据各语音数据的第二输入序列与标签序列，训练所述第二识别模型，直至所述第二识别模型收敛，将所述第一识别模型与训练得到的第二识别模型作为语音识别模型。

根据本公开的第四方面，提供了一种语音识别的装置，包括：第二获取单元，用于获取待识别语音数据；识别单元，用于将所述待识别语音数据输入语音识别模型，将所述语音识别模型的输出结果作为所述待识别语音数据的识别结果。

根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。