基于端到端模型的混合語音識別系統(tǒng)及方法

基本信息

申請?zhí)?/td> CN202111041405.6 申請日 -
公開（公告）號 CN113763939A 公開（公告）日 2021-12-07
申請公布號 CN113763939A 申請公布日 2021-12-07
分類號 G10L15/183（2013.01）I;G10L15/06（2013.01）I;G10L15/02（2006.01）I 分類 樂器；聲學;
發(fā)明人 司玉景;李全忠;何國濤;蒲瑤 申請（專利權(quán)）人 普強時代（珠海橫琴）信息技術(shù)有限公司
代理機構(gòu) 北京科億知識產(chǎn)權(quán)代理事務所（普通合伙） 代理人 湯東鳳
地址 519000廣東省珠海市橫琴新區(qū)寶華路6號105室-58115（集中辦公區(qū)）
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于端到端模型的混合語音識別系統(tǒng)及方法，包括特征提取模塊、語言模型、基于端到端模型的聲學模型、解碼器、詞圖重估模塊以及輸出模塊。本發(fā)明采用聲學語言端到端建模技術(shù)，對海量語音數(shù)據(jù)進行建模，并將端到端模型的編碼網(wǎng)絡作為聲學模型，嵌入到混合語音識別系統(tǒng)中，不僅進一步提高了語音識別準確率，而且解決了純端到端語音識別系統(tǒng)在項目中難以做定制化的問題。另外，本發(fā)明在端到端模型的編碼網(wǎng)絡的基礎(chǔ)上，繼續(xù)做鑒別性聲學模型訓練（SMBR、MPE等），可以進一步提高識別準確率。