一种基于深度神经网络的自动语音识别方法
基本信息
| 申请号 | CN202110599305.9 | 申请日 | - |
| 公开（公告）号 | CN113327585A | 公开（公告）日 | 2021-08-31 |
| 申请公布号 | CN113327585A | 申请公布日 | 2021-08-31 |
| 分类号 | G10L15/02（2006.01）I;G10L15/16（2006.01）I;G10L15/26（2006.01）I;G10L15/00（2013.01）I | 分类 | 乐器；声学; |
| 发明人 | 王蒙;付志勇;胡奎;姜黎;潘艾婷 | 申请（专利权）人 | 杭州芯声智能科技有限公司 |
| 代理机构 | 成都知都云专利代理事务所（普通合伙） | 代理人 | 赵正寅 |
| 地址 | 310000浙江省杭州市杭州经济技术开发区白杨街道科技园路20号14幢3层02室-15 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供的一种基于深度神经网络的自动语音识别方法，涉及自动语音识别领域。本发明通过采用Log Fbank作为声学特征，只需要40维特征就足够表达声学信号的特征，极大的简化的信号的处理过程和神经网络模型的大小；采用VGG加双向GRU结合的神经网络模型，加上GRU可以充分的利用语音前后帧的信息，从而得到最佳的识别效果。明通过CTC解码是将连续的相同结果合并，去除多余结果，并通过预先定义好的拼音列表映射得到识别出的拼音序列，无需对齐，免除人工对齐操作；通过采用隐马尔科夫语言模型，将拼音序列作为模型输入，并得到对应的文字识别结果；能给出同一个拼音对应不同文字的最佳识别结果，使自动语音识别的准确性大大提升。 |
