【技术实现步骤摘要】
缅甸语语音识别纠错方法与装置
[0001]本专利技术涉及缅甸语语音识别纠错方法与装置，属于自然语言处理
。
技术介绍
[0002]随着自动语音识别
(Automatic Speech Recognition
，
ASR)
技术在人机交互实时字幕
、
会议转录等场景的广泛应用，自动语音识别在多个领域中扮演着越来越重要的角色
。
受用户发音差异
、
环境噪声
、
语言复杂性等因素的影响，实际应用场景下的语音识别仍然存在识别错误
。
语音识别错误文本对意图识别
、
语音翻译等下游任务产生影响
。
语音识别文本纠错能够有效改善
ASR
的识别性能，避免识别错误下游任务的积累，是提升
ASR
系统性能的重要方法
。
[0003]早期的研究主要是对语音识别错误检测方法的研究，对语音识别错误纠正方法的研究相对较少
。
随着技术的进步，出现了针对
ASR
文本纠错的三类方法：第一，基于规则的方法使用人工规则来检测和校正文本错误，这种方法需要根据特定语言的语法规则进行定义；第二，基于统计的方法
(
如
N
‑
Gram
，
HMM
等
)
，但基于统计的方法往往无法捕捉到特定语言的细微差异
。
第三，基于
【技术保护点】
【技术特征摘要】
1.
缅甸语语音识别纠错方法，其特征在于：所述方法的具体步骤如下：
Step1、
语料收集：收集若干类错误的正确文本及转录文本的训练语料与测试语料；
Step2、
提取文本特征：针对转录文本的文本特征空间，通过文本编码器自动提取特征值，获取数据的文本特征；
Step3、
提取音素特征：针对转录文本的音素特征空间，通过音素编码器自动提取特征值，获取数据的音素特征；
Step4、
利用标签预测器对转录文本中的字符进行标签判定，实现标签预测；
Step5、
采用音素上下文提取器获取音素上下文特征信息；
Step6、
采用多头注意力机制以及
Transformer decoder
，解码文本与音素隐状态，构建缅甸语语音识别文本纠错装置
。2.
根据权利要求1所述的缅甸语语音识别纠错方法，其特征在于：所述
Step1
中，构建缅甸语语音识别文本纠错数据集，收集得到四类错误，包括空格错误
、
同音错误
、
删除错误和漏词错误；首先，利用微软语音识别技术和
Python
编程语言，将收集到的缅甸语文本音频输入缅甸语语音识别接口进行处理；其次，通过同音字替换
、
随机增加或删除空格以及添加随机生成的字符操作，利用缅甸语单语文本模拟生成错误文本，以模拟语音识别系统输出的识别错误；最后，将得到的转录文本及其对应的正确文本组成一个二元组
SEN
＝
(RAW,ASR)
，其中
RAW
表示正确文本，
ASR
表示缅甸语语音识别转录文本；这一过程旨在模拟和评估语音识别系统的性能和准确性；利用相应工具将
SEN
转换为
PH
＝
(RAW_phome,ASR_phome)
，其中
RAW_phome
表示原始音素数据，
ASR_phome
表示自动语音识别的音素结果，通过这一过程，获得了文本音素对应的纠错语料
。3.
根据权利要求1所述的缅甸语语音识别纠错方法，其特征在于：所述
Step2
中，利用经过预训练的缅甸语
BERT
模型提取转录文本的文本特征，同时，在步骤
Step3
中获取对应的音素特征；这两种特征提取过程共享了
BERT
模型的参数，通过这种方式，同时获取转录文本和音素的相关特征，从而更准确地捕捉文本和音素之间的关联关系，提高模型的性能和准确性
。4.
根据权利要求1所述的缅甸语语音识别纠错方法，其特征在于：所述
Step2
的具体步骤如下：对于一个待检测的缅甸语语音识别文本序列，将其表示为
W
＝
{w1,w2,...,w
n
}
，
n
为文本序列长度，
W
i
为子词建模，经过嵌入层后得到
BERT
的输入序列
X
＝
{x1,x2,x3,...,x
n
}
，文本编码过程如式
(1)
所示：
E
＝
BERT
TextEncoder
(WE(X)+PE(X))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)E
＝
{h1,h2,h3...,h
n
}
是编码后的文本特征序列，
h
t
∈R
b
×
l
×
d
为
X
第
t
个特征编码表示，
l
为文本序列长度，
d
为特征维度，
WE
和
PE
分别表示词嵌入与位置嵌入函数
。5.
根据权利要求1所述的缅甸语语音识别纠错方法，其特征在于：所述
Step3...
【专利技术属性】
技术研发人员：余正涛，陈璐，王剑，王文君，董凌，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。