[发明专利]一种通过图像识别方式实现语音转写系统及方法

摘要

本发明涉及生物特征识别技术领域，为一种通过图像识别方式实现语音转写系统及方法，首先将检出的语音信号送到语音识别转写模块进行识别转写；其次对语音信号进行时频变换，将语音信号转变成语谱图，然后通过图像处理方式提取语谱图中的音素特征；最后利用深度学习方法将所述音素特征变换映射到语言文本空间的词汇。该方案不需要人工提取语音特征，不需要语言模型配合，降低了技术难度和工作量；直接对图像提取特征，实现图像特征到词汇的映射，实际上是基于词和词组建模，相对于按音素建模，鲁棒性更好；从图像中提取特征，相对于人工提取的声学特征而言，维度更高，针对性和区分性更强，识别正确率更高。