公开(公告)号：CN114550708A

公开(公告)日：2022-05-27

申请号：CN202210151123.X

申请日：2022-02-14

Applicant: 西安电子科技大学重庆集成电路创新研究院

Inventor： 苗启广 ,  宋建锋 ,  聂磊 ,  刘如意 ,  卢子祥 ,  刘向增 ,  赵博程 ,  马卓奇

IPC: G10L15/16 ,  G10L15/02 ,  G10L15/04 ,  G10L15/06 ,  G10L15/22 ,  G10L15/26 ,  G10L25/87

Abstract: 本发明涉及一种基于深度学习的流式实时语音识别方法，通过输入RAW声音波形信号的语音片段，构建语音识别声学模型并训练，在执行预测时，将得到的声学特征张量作为输入，并通过流式CTC解码器的解码算法进行解码；语音识别的语言模型采用统计N‑Gram模型，通过大规模语料库得到N元组统计数据；结合中文汉语拼音与汉字对应关系的字典，使用流式维特比解码算法进行解码，得到语音识别最终文本结果；在模型落地部署后调用API接口或模块，使用流式算法模式，结合流式实时语音激活检测方法，实现流式实时语音识别。该方法不存在上文信息对下文信息的长时依赖，上下文无关，或仅存在下文信息对上文信息的依赖，可实现算法模型推理时的流式实时语音识别。

公开(公告)号：CN114550753A

公开(公告)日：2022-05-27

申请号：CN202210135633.8

申请日：2022-02-14

Applicant: 西安电子科技大学重庆集成电路创新研究院

Inventor： 苗启广 ,  宋建锋 ,  聂磊 ,  刘如意 ,  卢子祥 ,  刘向增 ,  赵博程 ,  马卓奇 ,  郗岳

IPC: G10L25/87 ,  G10L25/30 ,  G10L25/03 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的流式语音激活检测方法，先输入RAW声音波形信号片段，进行声学特征提取，结合SpecAugment数据增强算法计算得到提取后的声学特征张量；然后构建基于深度卷积神经网络模型，输出结果为0或1，其中1代表语音信号，0代表非语音信号，并训练得到可用的作为语音激活检测模型权重参数；最后语音激活检测模型在执行预测时，将得到的声学特征张量作为输入，得到预测输出结果。对于算法模型的实时性、准确率、鲁棒性、和弹性伸缩性等，都具有良好的表现，能够为语音通信、语音识别、智能问答、视频会议实时字幕和实时翻译等应用场景提供关键技术支持，同时也可用于非实时性的场景，具有一举两得的效果。