一種基于深度神經(jīng)網(wǎng)絡(luò)的自動(dòng)語音識(shí)別方法

基本信息

申請(qǐng)?zhí)?/td> CN202110599305.9 申請(qǐng)日 -
公開（公告）號(hào) CN113327585A 公開（公告）日 2021-08-31
申請(qǐng)公布號(hào) CN113327585A 申請(qǐng)公布日 2021-08-31
分類號(hào) G10L15/02（2006.01）I;G10L15/16（2006.01）I;G10L15/26（2006.01）I;G10L15/00（2013.01）I 分類 樂器；聲學(xué);
發(fā)明人 王蒙;付志勇;胡奎;姜黎;潘艾婷 申請(qǐng)（專利權(quán)）人 杭州芯聲智能科技有限公司
代理機(jī)構(gòu) 成都知都云專利代理事務(wù)所（普通合伙） 代理人 趙正寅
地址 310000浙江省杭州市杭州經(jīng)濟(jì)技術(shù)開發(fā)區(qū)白楊街道科技園路20號(hào)14幢3層02室-15
法律狀態(tài) -

摘要

摘要 本發(fā)明提供的一種基于深度神經(jīng)網(wǎng)絡(luò)的自動(dòng)語音識(shí)別方法，涉及自動(dòng)語音識(shí)別領(lǐng)域。本發(fā)明通過采用Log Fbank作為聲學(xué)特征，只需要40維特征就足夠表達(dá)聲學(xué)信號(hào)的特征，極大的簡化的信號(hào)的處理過程和神經(jīng)網(wǎng)絡(luò)模型的大??；采用VGG加雙向GRU結(jié)合的神經(jīng)網(wǎng)絡(luò)模型，加上GRU可以充分的利用語音前后幀的信息，從而得到最佳的識(shí)別效果。明通過CTC解碼是將連續(xù)的相同結(jié)果合并，去除多余結(jié)果，并通過預(yù)先定義好的拼音列表映射得到識(shí)別出的拼音序列，無需對(duì)齊，免除人工對(duì)齊操作；通過采用隱馬爾科夫語言模型，將拼音序列作為模型輸入，并得到對(duì)應(yīng)的文字識(shí)別結(jié)果；能給出同一個(gè)拼音對(duì)應(yīng)不同文字的最佳識(shí)別結(jié)果，使自動(dòng)語音識(shí)別的準(zhǔn)確性大大提升。