[发明专利]一种基于GPU语音识别的方法、装置、电子设备及存储介质

说明书

本申请涉及人工智能技术领域，揭露一种基于GPU语音识别的方法，包括：对原始语音进行信号增强，并将信号增强后的原始语音进行频域变换，得到初始特征向量；对初始特征向量进行梅尔谱滤波，生成原始语音的特征向量；利用预先在GPU中训练好的语音识别模型中的位置编码层对特征向量进行位置编码，得到位置编码向量；利用述语音识别模型中的编码器对位置编码向量进行特征编码，得到特征编码向量；利用语音识别模型中的解码器对特征编码向量进行文字序列解码，得到特征文字序列；提取特征文字序列的文字信息，将文字信息作为原始语音的语音识别结果。另外，本申请还提供一种基于GPU语音识别的装置、电子设备以及存储介质。本申请可以提高语音识别的速度。

技术领域

本申请涉及人工智能领域，尤其涉及一种基于GPU语音识别的方法、装置、电子设备以及计算机可读存储介质。

背景技术

语音识别技术，也被称为自动语音识别(Automatic Speech Recognition，ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。语音识别技术有着非常广泛的应用领域和市场前景，如在语音输入控制系统中，它使得人们可以甩掉键盘，通过识别语音中的要求、请求、命令或询问，做出正确的响应，在智能对话查询系统中，人们通过语音命令，可以方便地从远端的数据库系统中查询与提取有关信息，享受自然、友好的数据库检索服务，例如信息网络查询、医疗服务、银行服务等。

目前，通常采用统计模型及神经网络的方法实现语音识别，但是在进行语音识别过程中常常会涉及到语音的编码和解码，基于统计模型及神经网络的方法往往需要解码图才能实现语音解码，但解码图需要耗费较多的时间训练才能生成，这样容易影响语义识别的速度，同时基于统计模型及神经网络的方法也往往需要在CPU中执行，受限于核心数，CPU的并行计算能力小于拥有众多并行计算单元的GPU。这导致在语音识别过程中编码和解码的速度会变得很慢，从而也会使得语音识别的速度会受限。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种基于GPU语音识别的方法、装置、电子设备以及计算机可读存储介质，可以提高语音识别的速度。

第一方面，本申请提供了一种基于GPU语音识别的方法，包括：

对原始语音进行信号增强，并将信号增强后的原始语音进行频域变换，得到所述原始语音的初始特征向量；

对所述初始特征向量进行梅尔谱滤波，生成所述原始语音的特征向量；

利用预先在GPU中训练好的语音识别模型中的位置编码层对所述特征向量进行位置编码，得到位置编码向量；

利用所述语音识别模型中的编码器对所述位置编码向量进行特征编码，得到特征编码向量；

利用所述语音识别模型中的解码器对所述特征编码向量进行文字序列解码，得到特征文字序列；

提取所述特征文字序列的文字信息，将所述文字信息作为所述原始语音的语音识别结果。

可以看出，本申请实施例通过对所述原始语音进行音频增强、频域转换及梅尔谱滤波，可以提高原始语音的音频信号及过滤原始语音的干扰信号，从而可以分析所述原始语音的语音信号频率，进而提高后续原始语音的特征向量提取速度；其次，本申请基于GPU，对原始语音的特征向量进行位置编码，可以弥补后续特征向量在编码和解码过程中位置信息缺失的现象，从而可以提高特征向量的编码和解码速度，进一步地，本申请通过GPU内的编码器和解码器对位置编码后的特征向量进行编码及解码，可以实现特征向量的并行运算，从而可以进一步地提高特征向量的编码和解码速度，进而可以提高语音识别的速度。

在第一方面的一种可能实现方式中，所述对所述原始语音进行信号增强，包括：

对所述原始语音进行分帧及音频预增强，得到增强语音；