CN114566153B 语音识别方法及相关装置、电子设备、存储介质 （中国科学技术大学）

本申请公开了一种语音识别方法及相关装音的若干样本识别文本的第一分值调整网络参样本识别文本均由语音识别模型对样本语音识2其中，所述语音识别模型在训练过程中，基于样本语音的若干样均由所述语音识别模型对所述样本语音识别得到，所述若干样本识别文本的选择方法包基于所述样本识别文本的第一权重对所述样本识别文本的识别概率值进基于所述样本识别文本的第二权重对所述样本识别文本的识别概率值进3所述第二样本分值表示所述第一候选文本对应的语音识别文识别模块，用于利用语音识别模型对所述待识别语音进行识别其中，所述语音识别模型在训练过程中，基于样本语音的若干样均由所述语音识别模型对所述样本语音识别得到，所述若干样本识别文本的选择方法包有程序指令，所述处理器用于执行所述程序指令以实现权利要求1至10任一项所述的语音述程序指令用于实现权利要求1至10任一项所述的4语音识别模型在训练过程中，基于样本语音的若干样本识别文本的第一分值调整网络参5[0022]步骤S12：利用语音识别模型对待识别语音进行识别，得到待识别语音的识别文[0023]在一个实施场景中，语音识别模型可以包括但不限于：LSTM(LongShortTerm6[0025]在一个实施场景中，可RepresentationfromTransformers，即双向Transformer的Encoder)等预训练语言模型确信度越高，即预训练语言模型认为样本识别文本越合理，具体可以参阅NLP(Natural[0026]在一个实施场景中，前述若干样本文本(即前述N个样本识别文本)具体可以基于各个样本识别文本(即前述M个样本识别文本)的第二分值选择得到，第二分值具体可以表7样本识别文本对应识别损失的缩放系数，进而能够强化语言模型覆盖度和合理度的区分为w(y,y")-w.上述方式，基于样本识别文本到样本识别文本的第二权重，且第二参考值表示若干样本识别文本的第二分值的平均值，8表示第二损失，Beam(x,N)表示对输入的样本中含有两个zyyebeam(rw),但实际处理过程中，仅执行一9本分值可以均由预训练语言模型得到，故预训练语言模型同时参与样本选择以及模型训[0053]具体而言，属于目标领域的第二标注文本的文本数量可以少于预设阈值(或者占[0060]步骤S207：响应于粗选文本的第一样本分值低于语音识地减少训练时合成数据的使用频次，同时区分性训练引入预训练语言模型的模型分数(即值表示样本识别文本的混消度，若干样本识别文本均由语音识别模型对样本语音识别得本的混淆度来调整网络参数，从而能够额外引入混淆度作为打分惩罚来进行区分性训练，别模型的网络参数，从而相当于引入混淆度作为各样本识别文本对应识别损失的缩放系果。本标注文本之间的差异得到。过第一语音及其第一标注文本进一步改善语音识别模型经第二语音及其第二标注文本训本的第一样本分值低于语音识别文本的第一样本分值，选择粗选文本作为第一标注文本，故能够从词错率和混淆度两方面选择语音识别模型覆盖较差的第一候选文本作为语音识别模型后续的训练补充，有利于强化区分性训练过程中对于解码结果不可接受错误的改字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecific本的混淆度来调整网络参数，从而能够额外引入混淆度作为打分惩罚来进行区分性训练，本的混淆度来调整网络参数，从而能够额外引入混淆度作为打分惩罚来进行区分性训练，单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目说对现有技术做