语音识别方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种语音识别方法、装置、电子设备及存储介质，属于语音识别技术领域。所述方法包括：获取音频信号和振动信号，振动信号为第一对象的发声部位的皮肤振动产生的信号，音频信号的采集时间与振动信号的采集时间之间的时间间隔在预设范围内；分别确定音频信号与振动信号之间的关联特征、音频信号的音频特征以及振动信号的振动特征；对关联特征、音频特征和振动特征进行融合，得到融合特征；对融合特征进行语音识别。本申请结合振动信号以及音频信号与振动信号之间的关联特征进行语音识别，即使在嘈杂的环境中，也能够降低噪声对语音识别的干扰，提高语音识别的准确性。提高语音识别的准确性。提高语音识别的准确性。

【技术实现步骤摘要】
语音识别方法、装置、电子设备及存储介质


[0001]本申请涉及语音识别
，特别涉及一种语音识别方法、装置、电子设备及存储介质。

技术介绍

[0002]近年来，语音识别技术发展迅速，已广泛应用于文本转换、智能问答和语音控制等场景。通常情况下，电子设备采集环境中的音频信号，基于语音识别技术，对采集到的音频信号进行识别，得到文本信息。但是，在嘈杂的环境中，电子设备采集到的音频信号包含噪声，噪声对语音识别的干扰较大，会导致语音识别的准确性降低。

技术实现思路

[0003]本申请实施例提供了一种语音识别方法、装置、电子设备及存储介质，能够提高语音识别的准确性。所述技术方案如下：
[0004]根据本申请实施例的一方面，提供了一种语音识别方法，所述方法包括：获取音频信号和振动信号，所述振动信号为第一对象的发声部位的皮肤振动产生的信号，所述音频信号的采集时间与所述振动信号的采集时间之间的时间间隔在预设范围内；分别确定所述音频信号与所述振动信号之间的关联特征、所述音频信号的音频特征、以及所述振动信号的振动特征；对所述关联特征、所述音本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语音识别方法，其特征在于，所述方法包括：获取音频信号和振动信号，所述振动信号为第一对象的发声部位的皮肤振动产生的信号，所述音频信号的采集时间与所述振动信号的采集时间之间的时间间隔在预设范围内；分别确定所述音频信号与所述振动信号之间的关联特征、所述音频信号的音频特征、以及所述振动信号的振动特征；对所述关联特征、所述音频特征和所述振动特征进行融合，得到融合特征；对所述融合特征进行语音识别。2.根据权利要求1所述的方法，其特征在于，所述分别确定所述音频信号与所述振动信号之间的关联特征、所述音频信号的音频特征、以及所述振动信号的振动特征，包括：按照相同的时间长度对所述音频信号和所述振动信号分别进行分帧，得到连续的多个音频信号帧和多个振动信号帧，其中，每个音频信号帧按照时间对应有一个振动信号帧；确定每个所述音频信号帧与所述音频信号帧对应的振动信号帧之间的关联子特征；确定所述关联特征由多个所述音频信号帧对应的关联子特征构成；确定所述音频特征由多个所述音频信号帧的音频子特征构成；确定所述振动特征由多个所述振动信号帧的振动子特征构成。3.根据权利要求2所述的方法，其特征在于，所述对所述关联特征、所述音频特征和所述振动特征进行融合，得到融合特征，包括：对每个所述音频信号帧的音频子特征、所述音频信号帧对应的振动信号帧的振动子特征以及所述音频信号帧与所述振动信号帧之间的关联子特征进行融合，得到所述音频信号帧对应的融合子特征；确定所述融合特征由多个所述音频信号帧对应的融合子特征构成。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述融合特征包括多个所述音频信号帧对应的融合子特征，所述对所述融合特征进行语音识别，包括：对每个所述音频信号帧对应的融合子特征与所述音频信号帧对应的多个其他融合子特征进行融合，得到所述音频信号帧对应的更新后的融合子特征；调用语音识别网络，对多个所述音频信号帧对应的更新后的融合子特征进行语音识别，得到文本信息；其中，所述多个其他融合子特征为位于所述音频信号帧之前的第一数量的音频信号帧对应的融合子特征或位于所述音频信号帧之后的第二数量的音频信号帧对应的融合子特征，或者所述多个其他的融合子特征为取自所述音频信号帧之前和之后的多个音频信号帧对应的融合子特征。5.根据权利要求4所述的方法，其特征在于，在获取音频信号和振动信号之前，还包括：训练所述语音识别网络；所述训练所述语音识别网络的步骤包括：获取样本音频信号、所述样本音频信号对应的标注文本信息和样本振动信号，所述样本音频信号的采集时间与所述样本振动信号的采集时间之间的时间间隔在所述预设范围内，所述样本振动信号为第二对象的发声部位的皮肤振动产生的信号；对所述样本音频信号与所述样本振动信号之间的样本关联...

【专利技术属性】
技术研发人员：吴俊，陈孝良，李智勇，
申请(专利权)人：北京声智科技有限公司，
类型：发明
国别省市：