一种基于人工智能的自动语音识别方法及系统.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 110827801 A (43)申请公布日 2020.02.21 (21)申请号 202010019733.5 G10L 15/22(2006.01) G10L 15/26(2006.01) (22)申请日 2020.01.09 G10L 25/24(2013.01) (71)申请人 成都无糖信息技术有限公司 地址 610000 四川省成都市高新区吉瑞三 路99号1栋1单元20层2001号 (72)发明人 漆伟　马永霄　童永鳌　张瑞冬　 殷子凌　张浩　 (74)专利代理机构 成都为知盾专利代理事务所 (特殊普通合伙) 51267 代理人 李汉强 (51)Int.Cl. G10L 15/02(2006.01) G10L 15/06(2013.01) G10L 15/16(2006.01) G10L 15/18(2013.01) 权利要求书2页 说明书6页 附图1页 (54)发明名称 一种基于人工智能的自动语音识别方法及 系统 (57)摘要 本发明公开了一种基于人工智能的自动语 音识别方法及系统，它主要包括了语音预处理模 块、语音特征提取模块、语音训练识别模块和文 本矫正模块四大模块。本发明采用语音训练识别 模块对语音特征及语音对应文字编码进行学习， 先通过特征学习层进行卷积学习频谱特征，然后 通过语义学习层学习频谱特征间语义信息，最后 通过输出层对综合学到的信息进行解码，输出对 应文本。这样在直接使用汉字映射表进行标签的 编码和解码，不需要对文本进行音素编码解码， 然后再解码为文本，简化了训练流程。 A 1 0 8 7 2 8 0 1 1 N C CN 110827801 A 权　利　要　求　书 1/2页 1.一种基于人工智能的自动语音识别方法，其特征在于包括以下步骤： S1、语音预处理：对原始语音序列做预处理，以消除因为人类发声器官本身和由于采集 语音信号的设备对语音信号质量产生影响的因素，保证后续语音处理得到的信号更均匀、 平滑，为信号参数提取提供优质的参数，提高语音处理质量； S2、语音特征提取：采用梅尔倒谱系数来获取语音的声谱特征图，然后对输入的语音信 号进行滤波，将每个输出的信号能量作为信号的基本特征，对该基本特征进行计算频谱图 后作为下一步的语音输入特征； S3、语音训练识别：输入提取的语音特征及语音对应文字编码进行学习，先通过特征学 习层进行卷积学习频谱特征，然后通过语义学习层学习频谱特征间语义信息，最后通过输 出层对综合学到的信息进行解码，输出对应文本； S4、文本矫正：把语音训练识别输出文本输入到语言模型，然后输出比较通顺的文字， 再把经过语言模型的文字输入到拼写纠错模型，最终得到通顺且语义逻辑连贯的文本。 2.根据权利要求1所述的一种基于人工智能的自动语音识别方法，其特征在于：所述语 音预处理具体操作是： 对语音进行端点检测，找到语音信号的起始点和结束点； 然后对语音的高频部分进行添加权重，去除口唇辐射的影响，增加语音的高频分辨率， 再对语音进行分帧处理； 随后对语音信号进行加窗，对加窗的语音波形加以强调而对波形的其余部分加以减