【技术实现步骤摘要】
本申请涉及语音识别，尤其涉及一种语音识别纠错模型训练方法、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
1、由于自动语音识别(automatic speech recognition,asr)技术在进行语音识别时，语音到文本的转换过程中会产生错误，语音识别纠错的需求也随之产生。语音识别的错误中有些是由于同音不同字的名称(如人名、地名、公司名等)或者代词(如她、它、他等)引起的，在没有上下文的情况下，这些错误通常难以被纠正。
2、目前，在训练用于进行语音纠错的大语言模型时，训练数据中通常也会包括这些无法纠正的错误，模型也无法有效学习，不能对这类错误进行有效纠正。但模型的训练过程中会将这些错误计入模型损失并进行迭代训练，浪费了不必要的计算资源和时间，影响模型训练效率。
3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种语音识别纠错模型训练方法、电子设备、计算机可读存储介质及计算机程序产...
【技术保护点】
1.一种语音识别纠错模型训练方法，其特征在于，所述语音识别纠错模型训练方法包括：
2.如权利要求1所述的语音识别纠错模型训练方法，其特征在于，所述通过预设的大语言模型分别对所述第一训练文本和对应的第一真实文本中的预设类型文本的字符位置插入标记，得到第二训练文本和第二真实文本的步骤包括：
3.如权利要求2所述的语音识别纠错模型训练方法，其特征在于，所述通过所述大语言模型输出第二训练文本的步骤包括：
4.如权利要求1所述的语音识别纠错模型训练方法，其特征在于，所述根据所述预测纠错文本和所述第二真实文本，计算损失函数值的步骤包括：
...【技术特征摘要】
1.一种语音识别纠错模型训练方法，其特征在于，所述语音识别纠错模型训练方法包括：
2.如权利要求1所述的语音识别纠错模型训练方法，其特征在于，所述通过预设的大语言模型分别对所述第一训练文本和对应的第一真实文本中的预设类型文本的字符位置插入标记，得到第二训练文本和第二真实文本的步骤包括：
3.如权利要求2所述的语音识别纠错模型训练方法，其特征在于，所述通过所述大语言模型输出第二训练文本的步骤包括：
4.如权利要求1所述的语音识别纠错模型训练方法，其特征在于，所述根据所述预测纠错文本和所述第二真实文本，计算损失函数值的步骤包括：
5.如权利要求4所述的语音识别纠错模型训练方法，其特征在于，在所述将所述预测纠错文本和所述第二真实文本输入预设的损失函数，确定对应的损失函数值的步骤前，所述方法还包括：
6.如权利要求1所述的语音识别纠错模型训练方法，其...
【专利技术属性】
技术研发人员：葛娴，宋元峰，姜迪，
申请(专利权)人：深圳前海微众银行股份有限公司，
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。