语音识别方法、装置及终端设备制造方法及图纸

本发明专利技术适用于语音识别技术领域，提供了语音识别方法、装置及终端设备，所述方法包括：根据预训练的语言模型计算句子的第一条件概率；根据所述第一条件概率对语音识别模型的第一损失函数进行调整，得到第二损失函数；利用所述第二损失函数对所述语音识别模型进行训练，并使用已训练的语音识别模型进行语音识别。本发明专利技术可提高语音识别的精确度。

【技术实现步骤摘要】
语音识别方法、装置及终端设备
本专利技术属于语音识别
，尤其涉及语音识别方法、装置及终端设备。
技术介绍
语音识别技术的目的是将输入的语音信号经过识别，输出计算机能够读取的文字，可应用于智能家居、智能车载、智能客服机器人等。随着深度学习技术的发展，语音识别技术由传统的机器学习混合高斯和隐马尔科夫模型(GaussianMixtureModel-HiddenMarkovModel，GMM-HMM)变化为基于深度神经网络(DeepNeuralNetworks，DNN)的技术。而基于DNN的语音识别技术又分为两种：一种是利用DNN取代原来的GMM部分，即深度神经网络和隐马尔科夫模型(DeepNeuralNetworks-HiddenMarkovModel，DNN-HMM)，另一种则是基于深度神经网络的端到端语音识别技术。由于基于深度神经网络的端到端语音识别技术(End-To-EndAutomaticSpeechRecognition)可直接实现语音的输入和解码识别，不需要复杂的对齐工作和发音词典制作工作，可以节约大量的前期准备时间，因此得本文档来自技高网...

【技术保护点】
1.一种语音识别方法，其特征在于，包括：/n根据预训练的语言模型计算句子的第一条件概率；/n根据所述第一条件概率对语音识别模型的第一损失函数进行调整，得到第二损失函数；/n利用所述第二损失函数对所述语音识别模型进行训练，并使用已训练的语音识别模型进行语音识别。/n

【技术特征摘要】
1.一种语音识别方法，其特征在于，包括：
根据预训练的语言模型计算句子的第一条件概率；
根据所述第一条件概率对语音识别模型的第一损失函数进行调整，得到第二损失函数；
利用所述第二损失函数对所述语音识别模型进行训练，并使用已训练的语音识别模型进行语音识别。


2.如权利要求1所述方法，其特征在于，所述根据预训练的语言模型计算句子的第一条件概率，包括：
对于每个句子，根据下式计算其第一条件概率：



上式中，P(S)表示句子S的第一条件概率，C(wi-(n-1),…,wi-1,wi)表示词语wi-(n-1),…,wi-1出现之后词语wi出现的次数，C(wi-(n-1),…,wi-1)表示词语wi-(n-1),…wi-2出现之后词语wi-1出现的次数，m表示样本数量，n表示一个大于1的正整数，i表示第i个词语。


3.如权利要求1所述方法，其特征在于，所述根据所述第一条件概率对语音识别模型的第一损失函数进行调整，包括：
利用所述第一条件概率计算第二条件概率；
根据所述第二条件概率和所述预训练的语言模型的影响系数对所述第一损失函数进行调整。


4.如权利要求3所述方法，其特征在于，所述利用所述第一条件概率计算第二条件概率，包括：
利用所述第一条件概率，并按照下式进行计算：



上式中，T表示计算得到的第二条件概率，P(S)表示第一条件概率，length表示句子S的长度。


5.如权利要求4所述方法，其特征在于，所述根据所述第二条件概率和所述预训练的语言模型的影响系数对所述第一损失函数进行调整，包括：
获取多个预测得到的句子，并计算每个句子的第二条...

【专利技术属性】
技术研发人员：陈明，
申请(专利权)人：武汉TCL集团工业研究院有限公司，
类型：发明
国别省市：湖北;42