[发明专利]端到端语音识别方法、系统、装置及其存储介质在审
| 申请号： | 201911057703.7 | 申请日： | 2019-10-31 |
| 公开（公告）号： | CN110767218A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 李浩然;颜丙聪;赵力;张玲 | 申请（专利权）人： | 南京励智心理大数据产业研究院有限公司 |
| 主分类号： | G10L15/16 | 分类号： | G10L15/16;G10L15/06;G10L25/45;G10L25/30;G10L15/26;G10L15/02 |
| 代理公司： | 32335 南京华恒专利代理事务所(普通合伙) | 代理人： | 郭晓敏 |
| 地址： | 210032 江苏省南京市江北*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种端到端语音识别方法、系统、装置及其存储介质，基于卷积神经网络和注意力机制的端到端语音识别系统，通过将注意力机制融合卷积神经网络中，并通过使用CTC损失函数构建完整的语音识别网络模型，实现深度学习，从原始语音数据中提取语音的语谱图作为CNN的输入，以提高语音的性能，大大减少了人工提取特征带来的信息损失，具有良好的应用前景。 | ||
| 搜索关键词： | 卷积神经网络 注意力机制 语音识别 端到端 语音 语音识别系统 原始语音数据 存储介质 损失函数 提取特征 网络模型 信息损失 构建 融合 申请 应用 学习 | ||
【主权项】：
1.一种端到端语音识别方法，其特征在于：包括：/n采集语音数据，将整段语音数据进行统一归一化处理后依据数据库标签进行切分；/n对所切分的语音进行分帧加窗处理后利用快速傅里叶变换获取频谱；/n引入注意力机制，将注意力机制与卷积神经网络结合，构建完整的语音识别网络模型；/n训练语音识别网络模型，将预测后的语音数据作为语音识别网络模型的输入，训练学习该语音识别网络模型的参数，并通过词错误率进行测评后得到所需要的语音识别网络模型进行识别。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京励智心理大数据产业研究院有限公司，未经南京励智心理大数据产业研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911057703.7/，转载请声明来源钻瓜专利网。
