用于多语种的语音识别方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种用于多语种的语音识别方法、装置、设备及存储介质，属于人工智能技术领域。该方法包括：拾取用户语音；基于多个语音识别模型，对用户语音进行语音识别，得到多个语音识别文本；其中，在多个语音识别模型中，每个语音识别模型用于进行单语种语音识别；获取多个语音识别文本中每个语音识别文本的文本通顺度；将文本通顺度最高的语音识别文本作为最终的语音识别结果。本申请结合多个单语种语音识别模型和文本通顺度，能够实现多语种环境下的精准语音识别，即结合文本通顺度，可以在多个语音识别文本中选择最准确的语音识别文本作为最终的语音识别结果。本作为最终的语音识别结果。本作为最终的语音识别结果。

【技术实现步骤摘要】
用于多语种的语音识别方法、装置、设备及存储介质


[0001]本申请涉及人工智能
，特别涉及一种用于多语种的语音识别方法、装置、设备及存储介质。

技术介绍

[0002]语音识别是人工智能发展过程中的一个重要突破。广义上讲，语音识别以语音为研究对象，目标是实现人与机器之间基于自然语言进行交互。狭义上讲，语音识别是一项让机器通过识别和理解过程将语音转换为文本或命令的技术。
[0003]目前语音识别技术已经广泛应用在诸如工业、家电、通信、汽车、电子、医疗、家庭服务等领域。其中，语音识别场景下可能会面临多语种情形，即用户的语音输入可能采用不同的语言类型，因此非常有必要为语音交互设备新增多语种的语音识别功能。
[0004]针对多语种环境下的语音识别，识别准确度至关重要，因为语音识别的准确度越高，用户的满意程度便越高。为此，如何准确地进行多语种的语音识别，以提升语音识别效果，便成为了本领域的一个研究热点。

技术实现思路

[0005]本申请实施例提供了一种用于多语种的语音识别方法、装置、设备及存储介质，能够实现多语种环境下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于多语种的语音识别方法，其特征在于，所述方法包括：拾取用户语音；基于多个语音识别模型，对所述用户语音进行语音识别，得到多个语音识别文本；其中，在所述多个语音识别模型中，每个所述语音识别模型用于进行单语种语音识别；获取所述多个语音识别文本中每个语音识别文本的文本通顺度；将文本通顺度最高的语音识别文本作为最终的语音识别结果。2.根据权利要求1所述的方法，其特征在于，在所述多个语音识别模型中，不同的语音识别模型用于进行不同语种的语音识别；或，所述多个语音识别模型中包括同一语种的至少两个语音识别模型；其中，在所述至少两个语音识别模型中，每个所述语音识别模型用于进行同一语种下不同语言变体的语音识别。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：对于任意一个语种，在所述语种包括多个语言变体的情况下，获取所述多个语言变体中每个语言变体对应的样本音频集；根据所述多个语言变体中每个语言变体对应的样本音频集，分别训练所述语种下与各个语言变体对应的语音识别模型。4.根据权利要求1所述的方法，其特征在于，所述获取所述多个语音识别文本中每个语音识别文本的文本通顺度，包括：对于任意一个语音识别文本，对所述语音识别文本进行分句处理，得到至少两个语句文本；将所述至少两个语句文本分别输入对应语种的通顺度预测模型，得到所述至少两个语句文本的文本通顺度；其中，所述通顺度预测模型包括预训练语言模型和分类器；对于任意一个语句文本，所述语句文本在通过所述预训练语言模型进行特征编码得到特征向量后，所述特征向量被输入所述分类器进行通顺度预测；基于所述至少两个语句文本的文本通顺度，获取所述语音识别文本的文本通顺度。5.根据权利要求4所述的方法，其特征在于，所述基于所述至少两个语句文本的文本通顺度，获取所述语音识别文本的文本通顺度，包括：获取所述至少两个语句文本中每个语句文本对应的权重值；根据获取到的权重值，对所述至少两个语句文本的文本通顺度进行加权平均，得到所述语音识别文本的文本通顺度；其中，对于任意一个语句文本，所述语句文本对应的权重值是根据以下至少一项确定的：所述语句文本在所述语音识别文本中的出现位置；所述语句文本的语义理解结果。6.根据权利要求4所述的方法，其特征在于，对于任意一个语种，所述语种的通顺度预测模型的训练过程，包括：获取所述语种的第一训练数据集；其中，所述第一...

【专利技术属性】
技术研发人员：赵雅男，李良斌，
申请(专利权)人：北京声智科技有限公司，
类型：发明
国别省市：