CN103680495A - 语音识别模型训练方法和装置及终端 - Google Patents
语音识别模型训练方法和装置及终端 Download PDFInfo
- Publication number
- CN103680495A CN103680495A CN201210364061.7A CN201210364061A CN103680495A CN 103680495 A CN103680495 A CN 103680495A CN 201210364061 A CN201210364061 A CN 201210364061A CN 103680495 A CN103680495 A CN 103680495A
- Authority
- CN
- China
- Prior art keywords
- sample
- user
- carried out
- model
- speech recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种语音识别模型训练方法和装置及终端。根据本申请，语音识别模型训练方法可包括：通过采集用户朗读样本的语音而获取用户语音样本；对采集的用户语音样本进行特征提取；以及根据提取的特征，创建语音识别模型。通过本申请的方法和装置，能够根据用户特点更新语音识别模型库，从而提高语音识别成功率，改善用户体验。
Description
技术领域
本申请涉及语音识别模型训练方法和装置及终端。
背景技术
在现有语音识别方法中，可根据已有的声学模型进行语音识别，例如，一种方法是利用语音字典来进行语音识别的方法。该方案提供了一种语音字典形成方法，包括整理日常生活中常会组合在一起使用的文字，将所述文字的标准读音通过音节代码存储。该方案同时公开了将语音字典里的语音代码和输入语音形成的代码进行比较，实现语音识别。
由于上述方法不能针对特定用户使用习惯来进行语音识别，因此特别是当用户有自己的发音特点时候，识别率可能会显著下降。
发明内容
为了解决上述现有语音识别方法中识别率不高的问题，本申请提出了一种语音识别模型训练方法和装置及终端。
根据本申请的一个方面，提出了一种语音识别模型训练方法，包括：通过采集用户朗读样本的语音而获取用户语音样本；对采集的用户语音样本进行特征提取；以及根据提取的特征，创建语音识别模型。
根据本申请的另一个方面，提出了一种语音识别模型训练装置，包括：样本接收模块，接收终端上传的用户语音样本；特征提取模块，对用户语音样本进行特征提取；以及模型训练模块，根据提取的特征对语音识别模型进行训练更新。
根据本申请的又一个方面，提出了一种终端，包括：样本存储模块，存储供用户朗读的样本；样本采集模块，通过采集用户朗读样本的语音而获取用户语音样本；以及记录模块，记录用户语音识别的成功率。
通过本申请的方法和装置，能够根据用户特点更新语音识别模型库，从而提高语音识别成功率，改善用户体验。
附图说明
图1是根据本申请一个实施方案的语音识别模型训练方法的流程图；以及
图2是根据本申请一个实施方案的语音识别模型训练装置的框图；以及
图3是根据本申请一个实施方案的终端的框图。
具体实施方式
下面参照附图，对本申请的实施方案进行详细说明。
如图1所示，根据一个实施方案的语音识别模型训练方法可如下执行。首先在步骤S1002，终端可通过采集用户朗读样本的语音而获取用户语音样本。根据一个实施例，供用户朗读的样本可以是静态样本，例如汉语拼音表、英语字母表、数字表、易混淆词表等。根据另一个实施例，供用户朗读的样本还可以是动态样本，例如包含用户被错误识别的语音内容，如易混淆发音的音节、出错发音等。然后在步骤S1004，由服务器对采集的用户语音样本进行特征提取，之后在步骤S1006，根据提取的特征，创建语音识别模型。可以理解，可在例如用户注册业务首次打开终端客户端时进行上述创建模型的过程。
根据一个实施方案，在进行语音识别过程中，当用户语音识别率低于预定阈值时，可对语音识别模型进行更新操作。作为一个具体实施例，可将预定阈值设定为0.75。
具体地，在进行更新操作时，可通过采集用户朗读动态样本的语音而获取用户语音样本，然后，可对采集的用户语音样本进行特征提取，并根据提取的特征，对语音识别模型进行更新。
根据一个实施例，对采集的用户语音样本提取的特征可包括特定音节的发音、用户连读习惯或者语音频谱等。
根据一个实施例，对采集的用户语音样本进行特征提取的步骤可包括：对用户语音样本进行FFT变换，对变换的结果进行带通滤波，之后进行DCT变换，计算结果进行差分，并对差分计算用户语音特征；以及为每个用户语音特征分配ID。
根据一个实施例，用户语音特征可包括过零率、基音周期和/或线性预测倒谱系数等。
根据一个具体实施例，对采集的用户语音样本进行特征提取的步骤可如下执行：
对用户语音样本分帧。帧与帧一般可部分重替，比如对采样率为16kHz的语音信号，帧陡可取25msec，帧移可取10msec；
对用户语音样本进行滤波，其中滤波器为H(z)=1-Kz-1，K为0到1之间；
对每帧信号进行滤波，其中滤波器为W(n)=0.54+0.46cos[2πn／(N—1)]，N为每帧信号的长度，0≤n≤N-1；
对经滤波的每帧信号进行快速傅里叶变换；
对经快速傅里叶变换后的信号进行不同频率段的滤波，其中滤波器为G(f)=a*log10(1+f／b)，其中f为频率，a和b为预先确定的参数，例如，a可取值2560，b可取值700；
对经不同频率段的滤波的信号进行离线余弦变换；
对离线余弦变换的结果进行差分计算。
根据一个具体实施方案，对语音识别模型进行更新的步骤可以是对语音识别模型库进行聚类操作。
根据一个实施例，语音识别模型库可包括多个模型，每个模型可包括参数集合和特征集合等，还可包括ID。对语音识别模型库进行聚类操作可如下执行：
当新产生一个模型时，依次选择模型库中的所有模型，执行以下步骤：
（1）模型库中现有模型的参数集合与新产生模型的参数集合相减并取平方值，并对参数集合中的各个元素进行累加，得到2个模型的参数的平方差值，以及
（2）将2个模型的参数的平方差值进行开方，并除以参数集合的元素数目，得到2个模型的参数的差值；
比较模型的差值，如果小于预定参数Thmm，则将新模型的参数集合乘以Thmm之后，除以（1+Thmm），再与模型库中的模型的参数集合累加，否则，将新模型写入模型库。
接下来参照图2，描述根据本申请一个实施方案的语音识别模型训练装置。
如图2所示，语音识别模型训练装置可包括样本接收模块202、特征提取模块204和模型训练模块206。样本接收模块202可接收终端上传的用户语音样本。特征提取模块204可对接收的用户语音样本进行特征提取。模型训练模块206可根据提取的特征对语音识别模型进行训练更新。
具体地，特征提取模块206可进一步包括计算模块和分配模块。计算模块可对用户语音样本进行FFT变换，对变换的结果进行带通滤波，之后进行DCT变换，计算结果进行差分，并对差分计算用户语音特征。分配模块可为每个用户语音特征分配ID。
根据一个具体实施例，计算模块可包括：对用户语音样本分帧的单元；对用户语音样本进行滤波的单元，其中滤波器为H(z)=1-Kz-1；对每帧信号进行滤波的单元，其中滤波器为W(n)=0.54+0.46cos[2πn／(N—1)]，N为每帧信号的长度，0≤n≤N-1；对经滤波的每帧信号进行快速傅里叶变换的单元；对经快速傅里叶变换后的信号进行不同频率段的滤波的单元，其中滤波器为G(f)=a*log10(1+f／b)，其中f为频率，a和b为预先确定的参数；对经不同频率段的滤波的信号进行离线余弦变换的单元；以及对离线余弦变换的结果进行差分计算的单元。
根据一个实施例，模型训练模块通过对语音识别模型库进行聚类操作来进行训练更新。
根据一个实施例，语音识别模型库包括多个模型，每个模型包括参数集合和特征集合，聚类操作可如下执行：
当新产生一个模型时，依次选择模型库中的所有模型，执行以下步骤：
（1）模型库中现有模型的参数集合与新产生模型的参数集合相减并取平方值，并对参数集合中的各个元素进行累加，得到2个模型的参数的平方差值，以及
（2）将2个模型的参数的平方差值进行开方，并除以参数集合的元素数目，得到2个模型的参数的差值；
比较模型的差值，如果小于预定参数Thmm，则将新模型的参数集合乘以Thmm之后，除以（1+Thmm），再与模型库中的模型的参数集合累加，否则，将新模型写入模型库。
接下来参照图3，描述根据本申请一个实施方案的终端。如图3所示，终端可包括：样本存储模块302、样本采集模块304和记录模块306。样本存储模块302可存储供用户朗读的样本，样本采集模块304可通过采集用户朗读样本的语音而获取用户语音样本，记录模块306可记录用户语音识别的成功率。
根据一个实施例，样本存储模块存储的样本可包括静态样本和动态样本。
根据一个实施例，终端可包括更新启动模块，当记录模块记录的成功率低于预定阈值时，将样本采集模块采集的用户朗读动态样本的语音而获取用户语音样本发送给服务器，进行语音识别模型库更新。
以上参照附图对本申请的示例性的实施方案进行了描述。本领域技术人员应该理解，上述实施方案仅仅是为了说明的目的而所举的示例，而不是用来进行限制。凡在本申请的教导和权利要求保护范围下所作的任何修改、等同替换等，均应包含在本申请要求保护的范围内。
Claims (16)
1.语音识别模型训练方法，包括：
通过采集用户朗读样本的语音而获取用户语音样本；
对采集的用户语音样本进行特征提取；以及
根据提取的特征，创建语音识别模型。
2.如权利要求1所述的方法，其中，在进行语音识别过程中，当用户语音识别率低于预定阈值时，通过以下步骤进行语音识别模型更新：
通过采集所述用户朗读动态样本的语音而获取用户语音样本，其中，所述动态样本包含所述用户被错误识别的语音内容；
对采集的用户语音样本进行特征提取；以及
根据提取的特征，对语音识别模型进行更新。
3.如权利要求1或2所述的方法，其中，对采集的用户语音样本提取的特征包括：特定音节的发音、用户连读习惯或者语音频谱。
4.如权利要求1或2所述的方法，其中，对采集的用户语音样本进行特征提取的步骤包括：
对用户语音样本进行FFT变换，对变换的结果进行带通滤波，之后进行DCT变换，计算结果进行差分，并对差分计算用户语音特征；
为每个用户语音特征分配ID。
5.如权利要求4所述的方法，其中，所述用户语音特征包括过零率、基音周期和/或线性预测倒谱系数。
6.如权利要求4所述的方法，其中，对采集的用户语音样本进行特征提取的步骤包括：
对用户语音样本分帧；
对用户语音样本进行滤波，其中滤波器为H(z)=1-Kz-1；
对每帧信号进行滤波，其中滤波器为W(n)=0.54+0.46cos[2πn／(N—1)]，N为每帧信号的长度，0≤n≤N-1；
对经滤波的每帧信号进行快速傅里叶变换；
对经快速傅里叶变换后的信号进行不同频率段的滤波，其中滤波器为G(f)=a*log10(1+f／b)，其中f为频率，a和b为预先确定的参数；
对经不同频率段的滤波的信号进行离线余弦变换；以及
对离线余弦变换的结果进行差分计算。
7.如权利要求2所述的方法，其中，对语音识别模型进行更新的步骤包括对语音识别模型库进行聚类操作。
8.如权利要求7所述的方法，其中，语音识别模型库包括多个模型，每个模型包括参数集合和特征集合，
所述聚类操作包括：
当新产生一个模型时，依次选择模型库中的所有模型，执行以下步骤：
（1）模型库中现有模型的参数集合与新产生模型的参数集合相减并取平方值，并对参数集合中的各个元素进行累加，得到2个模型的参数的平方差值，以及
（2）将2个模型的参数的平方差值进行开方，并除以参数集合的元素数目，得到2个模型的参数的差值；
比较模型的差值，如果小于预定参数Thmm，则将新模型的参数集合乘以Thmm之后，除以（1+Thmm），再与模型库中的模型的参数集合累加，否则，将新模型写入模型库。
9.语音识别模型训练装置，包括：
样本接收模块，接收终端上传的用户语音样本；
特征提取模块，对用户语音样本进行特征提取；以及
模型训练模块，根据提取的特征对语音识别模型进行训练更新。
10.如权利要求9所述的装置，其中，所述特征提取模块进一步包括：
计算模块，对用户语音样本进行FFT变换，对变换的结果进行带通滤波，之后进行DCT变换，计算结果进行差分，并对差分计算用户语音特征；以及
分配模块，为每个用户语音特征分配ID。
11.如权利要求10所述的装置，其中，所述计算模块包括：
对用户语音样本分帧的单元；
对用户语音样本进行滤波的单元，其中滤波器为H(z)=1-Kz-1；
对每帧信号进行滤波的单元，其中滤波器为W(n)=0.54+0.46cos[2πn／(N—1)]，N为每帧信号的长度，0≤n≤N-1；
对经滤波的每帧信号进行快速傅里叶变换的单元；
对经快速傅里叶变换后的信号进行不同频率段的滤波的单元，其中滤波器为G(f)=a*log10(1+f／b)，其中f为频率，a和b为预先确定的参数；
对经不同频率段的滤波的信号进行离线余弦变换的单元；以及
对离线余弦变换的结果进行差分计算的单元。
12.如权利要求10或11所述的方法，其中，模型训练模块通过对语音识别模型库进行聚类操作来进行训练更新。
13.如权利要求12所述的方法，其中，语音识别模型库包括多个模型，每个模型包括参数集合和特征集合，
所述聚类操作包括：
当新产生一个模型时，依次选择模型库中的所有模型，执行以下步骤：
（1）模型库中现有模型的参数集合与新产生模型的参数集合相减并取平方值，并对参数集合中的各个元素进行累加，得到2个模型的参数的平方差值，以及
（2）将2个模型的参数的平方差值进行开方，并除以参数集合的元素数目，得到2个模型的参数的差值；
比较模型的差值，如果小于预定参数Thmm，则将新模型的参数集合乘以Thmm之后，除以（1+Thmm），再与模型库中的模型的参数集合累加，否则，将新模型写入模型库。
14.终端，包括：
样本存储模块，存储供用户朗读的样本；
样本采集模块，通过采集用户朗读样本的语音而获取用户语音样本；以及
记录模块，记录用户语音识别的成功率。
15.如权利要求14所述的终端，其中，样本存储模块存储的样本包括静态样本和动态样本，其中，动态样本包含用户被错误识别的语音内容。
16.如权利要求15所述的终端，进一步包括更新启动模块，当记录模块记录的成功率低于预定阈值时，将样本采集模块采集的用户朗读动态样本的语音而获取用户语音样本发送给服务器，进行语音识别模型库更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210364061.7A CN103680495B (zh) | 2012-09-26 | 2012-09-26 | 语音识别模型训练方法和装置及语音识别终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210364061.7A CN103680495B (zh) | 2012-09-26 | 2012-09-26 | 语音识别模型训练方法和装置及语音识别终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103680495A true CN103680495A (zh) | 2014-03-26 |
| CN103680495B CN103680495B (zh) | 2017-05-03 |
Family
ID=50317849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210364061.7A Active CN103680495B (zh) | 2012-09-26 | 2012-09-26 | 语音识别模型训练方法和装置及语音识别终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103680495B (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105006228A (zh) * | 2015-06-05 | 2015-10-28 | 普天智能照明研究院有限公司 | 一种语音识别方法 |
| CN105336325A (zh) * | 2015-09-25 | 2016-02-17 | 百度在线网络技术（北京）有限公司 | 语音信号识别处理方法及装置 |
| CN105938716A (zh) * | 2016-03-30 | 2016-09-14 | 浙江大学 | 一种基于多精度拟合的样本复制语音自动检测方法 |
| CN106503617A (zh) * | 2016-09-21 | 2017-03-15 | 北京小米移动软件有限公司 | 模型训练方法及装置 |
| CN106571135A (zh) * | 2016-10-27 | 2017-04-19 | 苏州大学 | 一种耳语音特征提取方法及系统 |
| CN106920546A (zh) * | 2015-12-23 | 2017-07-04 | 小米科技有限责任公司 | 智能识别语音的方法及装置 |
| CN107667399A (zh) * | 2015-06-25 | 2018-02-06 | 英特尔公司 | 语音识别服务 |
| CN108766437A (zh) * | 2018-05-31 | 2018-11-06 | 平安科技（深圳）有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
| CN109119071A (zh) * | 2018-09-26 | 2019-01-01 | 珠海格力电器股份有限公司 | 一种语音识别模型的训练方法及装置 |
| WO2019085510A1 (zh) * | 2017-11-02 | 2019-05-09 | 华为技术有限公司 | 训练滤波模型的方法和语音识别的方法 |
| CN110277089A (zh) * | 2019-07-09 | 2019-09-24 | 广东美的制冷设备有限公司 | 离线语音识别模型的更新方法、家用电器和服务器 |
| CN110310623A (zh) * | 2017-09-20 | 2019-10-08 | Oppo广东移动通信有限公司 | 样本生成方法、模型训练方法、装置、介质及电子设备 |
| CN110827826A (zh) * | 2019-11-22 | 2020-02-21 | 维沃移动通信有限公司 | 语音转换文字方法、电子设备 |
| CN110858479A (zh) * | 2018-08-08 | 2020-03-03 | Oppo广东移动通信有限公司 | 语音识别模型更新方法、装置、存储介质及电子设备 |
| CN111243576A (zh) * | 2020-01-16 | 2020-06-05 | 腾讯科技（深圳）有限公司 | 语音识别以及模型训练方法、装置、设备和存储介质 |
| CN111276138A (zh) * | 2018-12-05 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 一种语音唤醒系统中处理语音信号的方法及装置 |
| CN111370001A (zh) * | 2018-12-26 | 2020-07-03 | Tcl集团股份有限公司 | 一种发音的纠正方法、智能终端及存储介质 |
| US20200220869A1 (en) * | 2019-01-08 | 2020-07-09 | Fidelity Information Services, Llc | Systems and methods for contactless authentication using voice recognition |
| CN112088403A (zh) * | 2018-05-07 | 2020-12-15 | 微软技术许可有限责任公司 | 使用神经网络的说话人识别/定位 |
| CN112997247A (zh) * | 2018-11-05 | 2021-06-18 | 株式会社赛斯特安国际 | 利用大数据的最佳语言模型生成方法及用于其的装置 |
| CN113053364A (zh) * | 2019-12-27 | 2021-06-29 | 北京搜狗科技发展有限公司 | 一种语音识别方法、装置和用于语音识别的装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050137866A1 (en) * | 2003-12-23 | 2005-06-23 | International Business Machines Corporation | Interactive speech recognition model |
| CN101226743A (zh) * | 2007-12-05 | 2008-07-23 | 浙江大学 | 基于中性和情感声纹模型转换的说话人识别方法 |
| CN101261832A (zh) * | 2008-04-21 | 2008-09-10 | 北京航空航天大学 | 汉语语音情感信息的提取及建模方法 |
| US20090106028A1 (en) * | 2007-10-18 | 2009-04-23 | International Business Machines Corporation | Automated tuning of speech recognition parameters |
| CN101419800A (zh) * | 2008-11-25 | 2009-04-29 | 浙江大学 | 基于频谱平移的情感说话人识别方法 |
| US20090254757A1 (en) * | 2005-03-31 | 2009-10-08 | Pioneer Corporation | Operator recognition device, operator recognition method and operator recognition program |
| US20100106501A1 (en) * | 2008-10-27 | 2010-04-29 | International Business Machines Corporation | Updating a Voice Template |
| US7756708B2 (en) * | 2006-04-03 | 2010-07-13 | Google Inc. | Automatic language model update |
-
2012
- 2012-09-26 CN CN201210364061.7A patent/CN103680495B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050137866A1 (en) * | 2003-12-23 | 2005-06-23 | International Business Machines Corporation | Interactive speech recognition model |
| US20090254757A1 (en) * | 2005-03-31 | 2009-10-08 | Pioneer Corporation | Operator recognition device, operator recognition method and operator recognition program |
| US7756708B2 (en) * | 2006-04-03 | 2010-07-13 | Google Inc. | Automatic language model update |
| US20090106028A1 (en) * | 2007-10-18 | 2009-04-23 | International Business Machines Corporation | Automated tuning of speech recognition parameters |
| CN101226743A (zh) * | 2007-12-05 | 2008-07-23 | 浙江大学 | 基于中性和情感声纹模型转换的说话人识别方法 |
| CN101261832A (zh) * | 2008-04-21 | 2008-09-10 | 北京航空航天大学 | 汉语语音情感信息的提取及建模方法 |
| US20100106501A1 (en) * | 2008-10-27 | 2010-04-29 | International Business Machines Corporation | Updating a Voice Template |
| CN101419800A (zh) * | 2008-11-25 | 2009-04-29 | 浙江大学 | 基于频谱平移的情感说话人识别方法 |
Cited By (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105006228A (zh) * | 2015-06-05 | 2015-10-28 | 普天智能照明研究院有限公司 | 一种语音识别方法 |
| CN107667399A (zh) * | 2015-06-25 | 2018-02-06 | 英特尔公司 | 语音识别服务 |
| CN105336325A (zh) * | 2015-09-25 | 2016-02-17 | 百度在线网络技术（北京）有限公司 | 语音信号识别处理方法及装置 |
| CN106920546A (zh) * | 2015-12-23 | 2017-07-04 | 小米科技有限责任公司 | 智能识别语音的方法及装置 |
| CN106920546B (zh) * | 2015-12-23 | 2020-03-20 | 小米科技有限责任公司 | 智能识别语音的方法及装置 |
| CN105938716B (zh) * | 2016-03-30 | 2019-05-28 | 浙江大学 | 一种基于多精度拟合的样本复制语音自动检测方法 |
| CN105938716A (zh) * | 2016-03-30 | 2016-09-14 | 浙江大学 | 一种基于多精度拟合的样本复制语音自动检测方法 |
| CN106503617A (zh) * | 2016-09-21 | 2017-03-15 | 北京小米移动软件有限公司 | 模型训练方法及装置 |
| CN106571135A (zh) * | 2016-10-27 | 2017-04-19 | 苏州大学 | 一种耳语音特征提取方法及系统 |
| CN106571135B (zh) * | 2016-10-27 | 2020-06-09 | 苏州大学 | 一种耳语音特征提取方法及系统 |
| CN110310623A (zh) * | 2017-09-20 | 2019-10-08 | Oppo广东移动通信有限公司 | 样本生成方法、模型训练方法、装置、介质及电子设备 |
| CN110310623B (zh) * | 2017-09-20 | 2021-12-28 | Oppo广东移动通信有限公司 | 样本生成方法、模型训练方法、装置、介质及电子设备 |
| WO2019085510A1 (zh) * | 2017-11-02 | 2019-05-09 | 华为技术有限公司 | 训练滤波模型的方法和语音识别的方法 |
| US11211052B2 (en) | 2017-11-02 | 2021-12-28 | Huawei Technologies Co., Ltd. | Filtering model training method and speech recognition method |
| CN112088403A (zh) * | 2018-05-07 | 2020-12-15 | 微软技术许可有限责任公司 | 使用神经网络的说话人识别/定位 |
| WO2019227548A1 (zh) * | 2018-05-31 | 2019-12-05 | 平安科技（深圳）有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
| CN108766437A (zh) * | 2018-05-31 | 2018-11-06 | 平安科技（深圳）有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
| CN110858479B (zh) * | 2018-08-08 | 2022-04-22 | Oppo广东移动通信有限公司 | 语音识别模型更新方法、装置、存储介质及电子设备 |
| CN110858479A (zh) * | 2018-08-08 | 2020-03-03 | Oppo广东移动通信有限公司 | 语音识别模型更新方法、装置、存储介质及电子设备 |
| US11423880B2 (en) | 2018-08-08 | 2022-08-23 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for updating a speech recognition model, electronic device and storage medium |
| CN109119071A (zh) * | 2018-09-26 | 2019-01-01 | 珠海格力电器股份有限公司 | 一种语音识别模型的训练方法及装置 |
| CN112997247A (zh) * | 2018-11-05 | 2021-06-18 | 株式会社赛斯特安国际 | 利用大数据的最佳语言模型生成方法及用于其的装置 |
| CN111276138A (zh) * | 2018-12-05 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 一种语音唤醒系统中处理语音信号的方法及装置 |
| CN111370001A (zh) * | 2018-12-26 | 2020-07-03 | Tcl集团股份有限公司 | 一种发音的纠正方法、智能终端及存储介质 |
| CN111370001B (zh) * | 2018-12-26 | 2023-10-10 | Tcl科技集团股份有限公司 | 一种发音的纠正方法、智能终端及存储介质 |
| US12021864B2 (en) * | 2019-01-08 | 2024-06-25 | Fidelity Information Services, Llc. | Systems and methods for contactless authentication using voice recognition |
| US20200220869A1 (en) * | 2019-01-08 | 2020-07-09 | Fidelity Information Services, Llc | Systems and methods for contactless authentication using voice recognition |
| CN110277089A (zh) * | 2019-07-09 | 2019-09-24 | 广东美的制冷设备有限公司 | 离线语音识别模型的更新方法、家用电器和服务器 |
| CN110827826A (zh) * | 2019-11-22 | 2020-02-21 | 维沃移动通信有限公司 | 语音转换文字方法、电子设备 |
| CN110827826B (zh) * | 2019-11-22 | 2022-05-31 | 维沃移动通信有限公司 | 语音转换文字方法、电子设备 |
| CN113053364A (zh) * | 2019-12-27 | 2021-06-29 | 北京搜狗科技发展有限公司 | 一种语音识别方法、装置和用于语音识别的装置 |
| CN111243576A (zh) * | 2020-01-16 | 2020-06-05 | 腾讯科技（深圳）有限公司 | 语音识别以及模型训练方法、装置、设备和存储介质 |
| EP4053835A4 (en) * | 2020-01-16 | 2023-02-22 | Tencent Technology (Shenzhen) Company Limited | VOICE RECOGNITION METHOD AND APPARATUS, AND RECORDING DEVICE AND MEDIUM |
| CN111243576B (zh) * | 2020-01-16 | 2022-06-03 | 腾讯科技（深圳）有限公司 | 语音识别以及模型训练方法、装置、设备和存储介质 |
| WO2021143326A1 (zh) * | 2020-01-16 | 2021-07-22 | 腾讯科技（深圳）有限公司 | 语音识别方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103680495B (zh) | 2017-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103680495A (zh) | 语音识别模型训练方法和装置及终端 | |
| CN110263322B (zh) | 用于语音识别的音频语料筛选方法、装置及计算机设备 | |
| CN109741732B (zh) | 命名实体识别方法、命名实体识别装置、设备及介质 | |
| CN108281138B (zh) | 年龄判别模型训练及智能语音交互方法、设备及存储介质 | |
| CN103400576B (zh) | 基于用户行为日志的语音模型更新方法及装置 | |
| EP2851895A3 (en) | Speech recognition using variable-length context | |
| CN109508402A (zh) | 违规用语检测方法及装置 | |
| CN104064180A (zh) | 演唱评分方法及装置 | |
| CN102982803A (zh) | 基于hrsf及改进dtw算法的孤立词语音识别方法 | |
| CN102723078A (zh) | 基于自然言语理解的语音情感识别方法 | |
| CN102411932B (zh) | 结合声门激励和声道调制信息的汉语语音情感提取及建模方法 | |
| CN102404278A (zh) | 一种基于声纹识别的点歌系统及其应用方法 | |
| CN102655003B (zh) | 基于声道调制信号mfcc的汉语语音情感点识别方法 | |
| CN103632668B (zh) | 一种基于中文语音信息训练英文语音模型的方法与设备 | |
| CN110853629A (zh) | 一种基于深度学习的语音识别数字的方法 | |
| CN116092342B (zh) | 一种管制员模拟培训自动应答和质量评估方法及系统 | |
| CN112466287B (zh) | 一种语音分割方法、装置以及计算机可读存储介质 | |
| CN112257407B (zh) | 音频中的文本对齐方法、装置、电子设备及可读存储介质 | |
| CN106782503A (zh) | 基于发音过程中生理信息的自动语音识别方法 | |
| CN111613224A (zh) | 一种个性化语音合成方法及装置 | |
| CN112489634A (zh) | 语言的声学模型训练方法、装置、电子设备及计算机介质 | |
| CN114550706A (zh) | 基于深度学习的智慧校园语音识别方法 | |
| CN114863905A (zh) | 语音类别获取方法、装置、电子设备和存储介质 | |
| CN116665638A (zh) | 语音合成方法、语音合成装置、电子设备及存储介质 | |
| CN111427996A (zh) | 一种人机交互文本中抽取日期时间的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |