一种声学模型的训练方法及装置、语音识别方法及装置制造方法及图纸

本申请提供一种声学模型的训练方法及装置、语音识别方法及装置，其中，声学模型的训练方法包括：获取N路远场音频样本数据，N表示麦克风阵列所包含的麦克风数量；对所述N路远场音频样本数据进行空间滤波处理，得到M通道音频样本数据，其中M为正整数且M≥2；对所述M通道音频样本数据进行特征提取和合并处理，得到目标音频特征序列；将所述N路远场音频样本数据对应的标签数据作为训练标签以及将所述目标音频特征序列作为训练样本，输入至声学模型进行训练，以建立多路远场声学模型，从而将前端信号处理和后端声学模型训练融为一体，解决了前端和后端适配的困难，提高了声学模型的识别准确率。

An acoustic model training method and device, speech recognition method and device

【技术实现步骤摘要】
一种声学模型的训练方法及装置、语音识别方法及装置
本申请涉及语音识别
，特别涉及一种声学模型的训练方法及装置、语音识别方法及装置。
技术介绍
随着智能设备的普及，语音识别的应用场合也越来越多。现有技术中，语音识别一般是收集近场数据，然后对近场数据进行标注，然后训练得到声学模型。然后在收到语音后，通过训练得到的声学模型对语音进行识别，获取到清晰的语音信息。上述语音识别为单麦近场语音识别。在噪声环境和混响的条件下，需要设置一个麦克风阵列来实现清晰的远场语音识别。现有的智能音响大多会如此设置。该麦克风阵列先将多路音频合并成一路，称为前端信号处理，然后对该一路音频信号进行降低噪声和去除混响后，传输至声学模型识别。这种方法会导致声学模型和前端信号处理的适配问题。有些信号处理的算法失真大，降低噪声强；而有些保留人声频谱特性强，噪声去除少，都会导致最终语音识别效果的大打折扣。
技术实现思路
有鉴于此，本申请实施例提供了一种声学模型的训练方法及装置、语音识别方法及装置、计算设备和存储介质，以解决现有技术中存在的技术缺陷。...

【技术保护点】
1.一种声学模型的训练方法，其特征在于，所述方法包括：/n获取N路远场音频样本数据，N表示麦克风阵列所包含的麦克风数量；/n对所述N路远场音频样本数据进行空间滤波处理，得到M通道音频样本数据，其中M为正整数且M≥2；/n对所述M通道音频样本数据进行特征提取和合并处理，得到目标音频特征序列；/n将所述N路远场音频样本数据对应的标签数据作为训练标签以及将所述目标音频特征序列作为训练样本，输入至声学模型进行训练，以建立多路远场声学模型。/n

【技术特征摘要】
1.一种声学模型的训练方法，其特征在于，所述方法包括：
获取N路远场音频样本数据，N表示麦克风阵列所包含的麦克风数量；
对所述N路远场音频样本数据进行空间滤波处理，得到M通道音频样本数据，其中M为正整数且M≥2；
对所述M通道音频样本数据进行特征提取和合并处理，得到目标音频特征序列；
将所述N路远场音频样本数据对应的标签数据作为训练标签以及将所述目标音频特征序列作为训练样本，输入至声学模型进行训练，以建立多路远场声学模型。


2.如权利要求1所述的声学模型的训练方法，其特征在于，获取N路远场音频样本数据，包括：
确定镜像算法所需的仿真参数；
根据镜像算法和镜像算法所需的仿真参数，分别生成N个麦克风对应的房间冲激响应；
根据已获取的近场音频数据和每个麦克风对应的房间冲激响应，生成N路远场音频样本数据。


3.如权利要求2所述的音频数据的训练方法，其特征在于，所述仿真参数包括：仿真房间的仿真参数、麦克风的仿真位置参数和播放源的仿真位置参数中的至少一种；
其中，所述仿真房间的参数包括：所述仿真房间内的各个墙壁的吸声系数和反射次数中的至少一种。


4.如权利要求3所述的声学模型的训练方法，其特征在于，根据镜像算法和镜像算法所需的仿真参数，分别生成N个麦克风对应的房间冲激响应，包括：
根据N个麦克风的仿真位置参数和播放源的仿真位置参数，分别得到N个麦克风与同一个播放源的仿真距离参数；
根据同一个仿真房间内的各个墙壁的吸声系数、反射次数以及所述N个麦克风与同一个播放源的仿真距离参数，分别采用所述镜像算法计算生成N个麦克风对应的房间冲激响应。


5.如权利要求4所述的声学模型的训练方法，其特征在于，所述仿真房间内的各个墙壁的反射次数通过以下方法获取：
获取所述播放源的镜像点相对于所述播放源的仿真位置；
获取所述仿真房间内的各个墙壁...

【专利技术属性】
技术研发人员：黄智超，吴本谷，
申请(专利权)人：北京猎户星空科技有限公司，
类型：发明
国别省市：北京;11