CN109635305B - 语音翻译方法及装置、设备及存储介质 - Google Patents
语音翻译方法及装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109635305B CN109635305B CN201811541939.3A CN201811541939A CN109635305B CN 109635305 B CN109635305 B CN 109635305B CN 201811541939 A CN201811541939 A CN 201811541939A CN 109635305 B CN109635305 B CN 109635305B
- Authority
- CN
- China
- Prior art keywords
- corpus
- voice recognition
- voice
- training corpus
- training
- 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.)
- Active
Links
- 238000013519 translation Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012549 training Methods 0.000 claims abstract description 129
- 230000007547 defect Effects 0.000 abstract description 5
- 239000000463 material Substances 0.000 description 18
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/232—Orthographic correction, e.g. spell checking or vowelisation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例公开了一种语音翻译方法及装置、设备及存储介质。所述方法包括:获取待翻译语音的语音识别文本;用翻译模型翻译语音识别文本得到目标语言文本;翻译模型的训练语料中至少包括常规训练语料及噪声训练语料,常规训练语料和噪声训练语料中分别包括语音识别对错词语对中的正确词语和错误词语。本发明实施例的技术方案解决了现有技术中翻译模型鲁棒性较弱,难以依据存在错误的语音识别结果,获得语音信息对应的正确的翻译结果的技术缺陷,使得在语音识别结果存在错误时,翻译模型也能获得正确的语音翻译结果,提高了翻译模型对语音识别文本的容错能力,进而提高了翻译模型的鲁棒性,间接降低了对语音翻译结果进行检验的人工成本。
Description
技术领域
本发明实施例涉及语音处理技术领域,尤其涉及一种语音翻译方法及装置、设备及存储介质。
背景技术
传统的语音翻译过程中,一般都需要先进行语音识别,生成对应的语音识别文本,然后将语音识别文本翻译成目标语言文本,最后将目标语言文本合成目标语音信息。在这一系列技术环节中,由于现场噪音、说话者距离麦克风太远等因素影响,可能会造成语音识别结果的不稳定,容易产生一些同音字识别错误等问题。
现有技术中,语音识别模型一般都是同时获取输入语音信息对应的N个语音识别文本,然后从上述N个语音识别文本中,选取得到最高的文本作为最终的语音识别文本。然而,所选取的得分最高的文本不一定就是正确的识别结果。尤其当所输入的语音信息的质量较差时,语音识别模型输出结果的准确率会降低。
进一步地,现有技术中,语音识别模型与翻译模型是独立存在的两个模型,并且由于从语音信号到目标翻译文本的语料稀缺,因此语音识别模型与翻译模型都是分开进行训练的。因此,现有的训练完成的翻译模型,对语音识别结果的容错率都较低。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:翻译模型鲁棒性较弱,难以依据存在错误的语音识别结果,获得语音信息对应的正确的翻译结果。
发明内容
有鉴于此,本发明实施例提供了一种语音翻译方法及装置、设备及存储介质,以优化现有的语音翻译方法,提高了语音翻译的准确度。
在第一方面,本发明实施例提供了一种语音翻译方法,包括:
获取待翻译语音的语音识别文本;
使用翻译模型翻译所述语音识别文本,得到所述待翻译语音对应的目标语言文本;
其中,所述翻译模型的训练语料中至少包括常规训练语料以及噪声训练语料,所述常规训练语料中包括语音识别对错词语对中的正确词语,所述噪声训练语料中包括所述语音识别对错词语对中的错误词语。
在第二方面,本发明实施例提供了一种语音翻译装置,包括:
文本获取模块,用于获取待翻译语音的语音识别文本;
文本翻译模块,用于使用翻译模型翻译所述语音识别文本,得到所述待翻译语音对应的目标语言文本;
其中,所述翻译模型的训练语料中至少包括常规训练语料以及噪声训练语料,所述常规训练语料中包括语音识别对错词语对中的正确词语,所述噪声训练语料中包括所述语音识别对错词语对中的错误词语。
在第三方面,本发明实施例提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所述的语音翻译方法。
在第四方面,本发明实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的语音翻译方法。
本发明实施例提供了一种语音翻译方法及装置、设备及存储介质,通过使用包括有语音识别对错词语对的常规训练语料以及噪声训练语料训练翻译模型,并使用训练后的翻译模型对待翻译语音的语音识别文本进行翻译得到目标语言文本,解决了现有技术中翻译模型鲁棒性较弱,难以依据存在错误的语音识别结果,获得语音信息对应的正确的翻译结果的技术缺陷,使得在语音识别结果存在错误时,翻译模型也能获得正确的语音翻译结果,提高了翻译模型对语音识别文本的容错能力,进而提高了翻译模型的鲁棒性,间接降低了对语音翻译结果进行检验的人工成本。
附图说明
图1是本发明实施例一提供的一种语音翻译方法的流程图;
图2是本发明实施例二提供的一种语音翻译方法的流程图;
图3是本发明实施例三提供的一种语音翻译方法的流程图;
图4是本发明实施例四提供的一种语音翻译装置的结构图;
图5是本发明实施例五提供的一种设备的结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种语音翻译方法的流程图,本实施例的方法可以由语音翻译装置来执行,该装置可通过硬件和/或软件的方式实现,并一般可集成于设备中,例如服务器等。本实施例的方法具体包括:
S110、获取待翻译语音的语音识别文本。
在本实施例中,待翻译语音具体是指需要翻译为目标语言语音信息的语音信息。待翻译语音具体可以是任意语种的语音信息,以及可以是任意语言内容的语音信息,本实施例对此不进行限制。
进一步地,在本实施例中,具体可以是通过具有语音识别功能的神经网络,获取待翻译语音的语音识别文本。
S120、使用翻译模型翻译语音识别文本,得到待翻译语音对应的目标语言文本,其中,翻译模型的训练语料中至少包括常规训练语料以及噪声训练语料,常规训练语料中包括语音识别对错词语对中的正确词语,噪声训练语料中包括语音识别对错词语对中的错误词语。
在本实施例中,在获取待翻译语音的语音识别文本之后,会直接使用翻译模型对语音识别文本进行翻译,得到其对应的目标语言文本。
可以理解的是,如果语音信息的清晰度较差(例如背景声音较为嘈杂、声音过小),或是用于进行语音识别的模型的识别准确度不高,那么语音识别结果就可能会存在错误。
进一步地,由于从待翻译语音信息到目标语言文本的训练语料较少,且分别具有语音识别以及翻译功能的两个模型所组成的总模型的结构复杂不易训练,因此,现有技术中语音识别模型与翻译模型一般都是单独分别进行训练。所以,翻译模型对语音识别结果的容错能力较差,当语音识别结果中存在错误时,翻译模型的输出结果也是错误的。
因此,在本实施例中的翻译模型并不是仅使用常规训练语料进行训练得到的,而是使用了至少包括有常规训练语料以及噪声训练语料进行训练得到的。其中,常规训练语料中包括语音识别对错词语对中的正确词语,噪声训练语料中包括语音识别对错词语对中的错误词语。其中,语音识别对错词语对具体是指在语音识别结果中,与同一语音信息对应的正确的语音识别词语以及错误的语音识别词语。
示例性地,对同一语音信息的识别结果分别为“附近有711便利店吗”以及“附近有七幺幺便利店吗”,其中,词语“711”与词语“七幺幺”就是语音识别对错词语对。
本发明实施例提供了一种语音翻译方法,通过使用包括有语音识别对错词语对的常规训练语料以及噪声训练语料训练翻译模型,并使用训练后的翻译模型对待翻译语音的语音识别文本进行翻译得到目标语言文本,解决了现有技术中翻译模型鲁棒性较弱,难以依据存在错误的语音识别结果,获得语音信息对应的正确的翻译结果的技术缺陷,使得在语音识别结果存在错误时,翻译模型也能获得正确的语音翻译结果,提高了翻译模型对语音识别文本的容错能力,进而提高了翻译模型的鲁棒性,间接降低了对语音翻译结果进行检验的人工成本。
实施例二
图2是本发明实施例二提供的一种语音翻译方法的流程图。本实施例以上述实施例为基础进行优化,在本实施例中,给出了一种增加翻译模型训练步骤的具体实施方式。
相应的,本实施例的方法具体包括:
S210、使用第一类语音识别模型获取第二类语音识别训练语料对应的语音识别结果。
在本实施例中,增加了翻译模型的训练步骤,即步骤210至步骤240,使得训练后的翻译模型对语音识别结果具有较高的容错能力。
在本实施例中,第一类语音识别模型具体是指使用第一类语音识别训练语料训练得到的语音识别模型。其中,第一类语音识别训练语料具体可以是文学类的、历史类的或科技类的等。同样地,第二类语音识别训练语料具体也可以是文学类的、历史类的或科技类的等。但是,第一类语音识别训练语料与第二类语音识别训练语料应是不同类别的训练语料。
进一步地,由于第一类语音识别模型是使用第一类语音识别训练语料训练得到的,因此,在使用第一类语音识别模型识别第二类语音识别训练语料时,可能会出现语音识别出错的情况。由此,就可以根据错误的语音识别结果,获取语音识别对错词语对。
S220、根据第二类语音识别训练语料以及语音识别结果,获取语音识别对错词语对。
在本实施例中,在使用第一类语音识别模型获取第二类语音识别训练语料对应的语音识别结果之后,就会将语音识别结果与第二类语音识别训练语料进行比对。当语音识别结果存在错误时,就可以根据错误的语音识别结果以及第二类语音识别训练语料获取语音识别对错词语对。
S230、根据语音识别对错词语对以及翻译模型的原始训练语料,获取噪声训练语料以及常规训练语料,常规训练语料中包括语音识别对错词语对中的正确词语,噪声训练语料中包括语音识别对错词语对中的错误词语。
在本实施例中,在获取语音识别对错词语对之后,会使用语音识别对错词语对中的错误语音识别词语,替换翻译模型的原始训练语料中的待翻译文本中的正确语音识别词语,进而得到噪声训练语料。词语替换的比例典型的可以是30%等。
示例性地,如果语音识别对错词语对中的正确语音识别词语为“打假”,错误语音识别词语为“打架”,且在翻译模型的原始训练语料中的所有待翻译文本中包括有100个“打假”,那么可以将其中30个“打假”替换为“打架”,被进行词语替换的待翻译文本对应的训练语料即为噪声训练语料,包括其余未被替换的70个“打假”的待翻译文本对应的训练语料即为常规训练语料。
S240、使用噪声训练语料以及常规训练语料训练翻译模型。
在本实施例中,仅使用常规训练语料和噪声训练语料对翻译模型进行训练。不再使用原始训练语料中的其他训练语料对翻译模型进行翻译,由此可以在不增加计算量的前提下,提高翻译模型对语音识别文本的容错能力。
S250、获取待翻译语音的语音识别文本。
S260、使用翻译模型翻译语音识别文本,得到待翻译语音对应的目标语言文本。
本发明实施例提供了一种语音翻译方法,该方法增加了翻译模型训练步骤,提高了翻译模型对语音识别文本的容错能力,进而提高了翻译模型的鲁棒性,间接降低了对语音翻译结果进行检验的人工成本。
实施例三
图3是本发明实施例三提供的一种语音翻译方法的流程图。本实施例以上述实施例为基础进行优化,在本实施例中,给出了一种具体化语音识别结果的获取步骤,具体化语音识别对错词语对的获取步骤,具体化训练语料的获取步骤,以及具体化翻译模型的训练步骤的具体实施方式。
相应的,本实施例的方法具体包括:
S310、使用通用语音识别模型,获取特殊语音识别训练语料对应的语音识别结果。
在本实施例中,第一类语音识别模型具体为通用语音识别模型,第二类语音识别训练语料具体为特殊语音识别训练语料。由于,一般情况下,通过语音识别模型的训练语料中不包括特殊语音识别训练语料,因此使用通用语音识别模型获取的特殊语音识别训练语料对应的语音识别结果中可能会产生一定的语音识别错误,以便获取噪声训练语料。
S320、对特殊语音识别训练语料中的语音识别样本结果,以及语音识别结果进行词语对齐。
在本实施例中,通过步骤320和步骤330获取语音识别对错词语对。首先通过本步骤320,对特殊语音识别训练语料中的语音识别样本结果以及步骤310中的语音识别结果进行词语对齐,以根据语音识别样本结果以及语音识别结果中的同一位置处的不同词语确定语音识别对错词语对。
S330、将词语对齐结果中在同一词语对齐位置处的两个不同词语确定为语音识别对错词语对,语音识别对错词语对中属于语音识别样本结果的词语为正确词语,属于语音识别结果的词语为错误词语。
在本实施例中,在语音识别样本结果以及语音识别结果对齐之后,就会比对在同一词语对齐位置处的两个词语是否相同,如果不同,就会将该不同的词语确定为语音识别对错词语对。
S340、从翻译模型的原始训练语料中,获取所包括的待翻译文本中包含有正确词语的待处理训练语料。
在本实施例中,通过步骤340至步骤360获取噪声训练语料以及常规训练语料。首先,通过本步骤340在翻译模型的原始训练语料中,查找待处理训练语料。其中,待处理训练语料具体是指所包括的待翻译文本中包括有语音识别对错词语对中的正确词语的原始训练语料。
S350、将所有待翻译文本中包含的正确词语,按照设定替换比例替换为错误词语。
在本实施例中,在获取待处理训练语料之后,会将待处理训练语料中的待翻译文本中包括的正确词语按照设定替换比例替换为错误词语。其中,设定替换比例典型的可以是30%等。
S360、将进行了词语替换的所述待处理训练语料作为噪声训练语料,将未进行词语替换的待处理训练语料作为常规训练语料。
S370、使用噪声训练语料、常规训练语料以及原始训练语料中除待处理训练语料以外的其他训练语料共同训练翻译模型。
在本实施例中,翻译模型的训练语料中,不但包括有常规训练语料和噪声训练语料,同时还包括有原始训练语料中除待处理训练语料以外的其他训练语料,以进一步提高翻译模型输出结果的准确度。
S380、获取待翻译语音的语音识别文本。
S390、使用翻译模型翻译语音识别文本,得到待翻译语音对应的目标语言文本。
本发明实施例提供了一种语音翻译方法,该方法具体化了语音识别结果的获取步骤,保证了语音识别结果中具有一定比例的错误语音识别结果,以有效获取所需的噪声训练语料,具体化了语音识别对错词语对的获取步骤,实现了快速、简便及准确地获取语音识别错误词语对,具体化了训练语料的获取步骤,实现了简便、快速及有效地获取所需训练语料,以及具体化了翻译模型的训练步骤,提高了翻译模型输出结果的准确度。
实施例四
图4是本发明实施例四提供的一种语音翻译装置的结构图。如图4所示,所述装置包括:文本获取模块401以及文本翻译模块402,其中:
文本获取模块401,用于获取待翻译语音的语音识别文本;
文本翻译模块402,用于使用翻译模型翻译语音识别文本,得到待翻译语音对应的目标语言文本;
其中,翻译模型的训练语料中至少包括常规训练语料以及噪声训练语料,常规训练语料中包括语音识别对错词语对中的正确词语,噪声训练语料中包括语音识别对错词语对中的错误词语。
本发明实施例提供了一种语音翻译装置,该装置首先通过文本获取模块401获取待翻译语音的语音识别文本,然后通过文本翻译模块402使用翻译模型翻译语音识别文本,得到待翻译语音对应的目标语言文本,其中,翻译模型的训练语料中至少包括常规训练语料以及噪声训练语料,常规训练语料中包括语音识别对错词语对中的正确词语,噪声训练语料中包括语音识别对错词语对中的错误词语。
该装置解决了现有技术中翻译模型鲁棒性较弱,难以依据存在错误的语音识别结果,获得语音信息对应的正确的翻译结果的技术缺陷,使得在语音识别结果存在错误时,翻译模型也能获得正确的语音翻译结果,提高了翻译模型对语音识别文本的容错能力,进而提高了翻译模型的鲁棒性,间接降低了对语音翻译结果进行检验的人工成本。
在上述各实施例的基础上,还可以包括:
语音识别模块,用于使用第一类语音识别模型获取第二类语音识别训练语料对应的语音识别结果;
词语对获取模块,用于根据所述第二类语音识别训练语料以及所述语音识别结果,获取所述语音识别对错词语对;
训练语料获取模块,用于根据所述语音识别对错词语对以及所述翻译模型的原始训练语料,获取所述噪声训练语料以及所述常规训练语料;
模型训练模块,用于使用所述噪声训练语料以及所述常规训练语料训练所述翻译模型。
在上述各实施例的基础上,语音识别模块具体可以用于:
使用通用语音识别模型,获取特殊语音识别训练语料对应的语音识别结果。
在上述各实施例的基础上,词语对获取模块可以包括:
词语对齐单元,用于对第二类语音识别训练语料中的语音识别样本结果,以及语音识别结果进行词语对齐;
词语对确定单元,用于将词语对齐结果中在同一词语对齐位置处的两个不同词语确定为语音识别对错词语对,语音识别对错词语对中属于语音识别样本结果的词语为正确词语,属于语音识别结果的词语为错误词语。
在上述各实施例的基础上,训练语料获取模块可以包括:
待处理语料获取单元,用于从翻译模型的原始训练语料中,获取所包括的待翻译文本中包含有正确词语的待处理训练语料;
词语替换单元,用于将所有待翻译文本中包含的正确词语,按照设定替换比例替换为错误词语;
语料确定单元,用于将进行了词语替换的待处理训练语料作为噪声训练语料,将未进行词语替换的待处理训练语料作为常规训练语料。
在上述各实施例的基础上,模型训练模块具体可以用于:
使用噪声训练语料、常规训练语料以及原始训练语料中除待处理训练语料以外的其他训练语料共同训练翻译模型。
本发明实施例所提供的语音翻译装置可用于执行本发明任意实施例提供的语音翻译方法,具备相应的功能模块,实现相同的有益效果。
实施例五
图5为本发明实施例五提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的语音翻译方法。也即:获取待翻译语音的语音识别文本;使用翻译模型翻译所述语音识别文本,得到所述待翻译语音对应的目标语言文本;其中,所述翻译模型的训练语料中至少包括常规训练语料以及噪声训练语料,所述常规训练语料中包括语音识别对错词语对中的正确词语,所述噪声训练语料中包括所述语音识别对错词语对中的错误词语。
实施例六
本发明实施例六还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例所述的语音翻译方法。也即:获取待翻译语音的语音识别文本;使用翻译模型翻译所述语音识别文本,得到所述待翻译语音对应的目标语言文本;其中,所述翻译模型的训练语料中至少包括常规训练语料以及噪声训练语料,所述常规训练语料中包括语音识别对错词语对中的正确词语,所述噪声训练语料中包括所述语音识别对错词语对中的错误词语。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种语音翻译方法,其特征在于,包括:
获取待翻译语音的语音识别文本;
使用翻译模型翻译所述语音识别文本,得到所述待翻译语音对应的目标语言文本;
其中,所述翻译模型的训练语料包括常规训练语料、噪声训练语料以及原始训练语料中除待处理语料以外的其他训练语料,所述常规训练语料和所述噪声训练语料的获取方式为:从所述翻译模型的原始训练语料中,获取所包括的待翻译文本中包含有正确词语的待处理训练语料;将所有所述待翻译文本中包含的所述正确词语,按照设定替换比例替换为所述错误词语;将进行了词语替换的所述待处理训练语料作为所述噪声训练语料,将未进行词语替换的所述待处理训练语料作为所述常规训练语料。
2.根据权利要求1所述的方法,其特征在于,还包括:
使用第一类语音识别模型获取第二类语音识别训练语料对应的语音识别结果;
根据所述第二类语音识别训练语料以及所述语音识别结果,获取所述语音识别对错词语对;
根据所述语音识别对错词语对以及所述翻译模型的原始训练语料,获取所述噪声训练语料以及所述常规训练语料;
使用所述噪声训练语料以及所述常规训练语料训练所述翻译模型。
3.根据权利要求2所述的方法,其特征在于,所述使用第一类语音识别模型获取第二类语音识别训练语料对应的语音识别结果,包括:
使用通用语音识别模型,获取特殊语音识别训练语料对应的语音识别结果。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第二类语音识别训练语料以及所述语音识别结果,获取所述语音识别对错词语对,包括:
对所述第二类语音识别训练语料中的语音识别样本结果,以及所述语音识别结果进行词语对齐;
将词语对齐结果中在同一词语对齐位置处的两个不同词语确定为所述语音识别对错词语对,所述语音识别对错词语对中属于所述语音识别样本结果的词语为所述正确词语,属于所述语音识别结果的词语为所述错误词语。
5.一种语音翻译装置,其特征在于,包括:
文本获取模块,用于获取待翻译语音的语音识别文本;
文本翻译模块,用于使用翻译模型翻译所述语音识别文本,得到所述待翻译语音对应的目标语言文本;
其中,所述翻译模型的训练语料包括常规训练语料、噪声训练语料以及原始训练语料中除待处理语料以外的其他训练语料,所述常规训练语料和所述噪声训练语料的获取方式为:从所述翻译模型的原始训练语料中,获取所包括的待翻译文本中包含有正确词语的待处理训练语料;将所有所述待翻译文本中包含的所述正确词语,按照设定替换比例替换为所述错误词语;将进行了词语替换的所述待处理训练语料作为所述噪声训练语料,将未进行词语替换的所述待处理训练语料作为所述常规训练语料。
6.根据权利要求5所述的装置,其特征在于,还包括:
语音识别模块,用于使用第一类语音识别模型获取第二类语音识别训练语料对应的语音识别结果;
词语对获取模块,用于根据所述第二类语音识别训练语料以及所述语音识别结果,获取所述语音识别对错词语对;
训练语料获取模块,用于根据所述语音识别对错词语对以及所述翻译模型的原始训练语料,获取所述噪声训练语料以及所述常规训练语料;
模型训练模块,用于使用所述噪声训练语料以及所述常规训练语料训练所述翻译模型。
7.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一项所述的语音翻译方法。
8.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-4中任一项所述的语音翻译方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811541939.3A CN109635305B (zh) | 2018-12-17 | 2018-12-17 | 语音翻译方法及装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811541939.3A CN109635305B (zh) | 2018-12-17 | 2018-12-17 | 语音翻译方法及装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109635305A CN109635305A (zh) | 2019-04-16 |
CN109635305B true CN109635305B (zh) | 2022-07-12 |
Family
ID=66074611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811541939.3A Active CN109635305B (zh) | 2018-12-17 | 2018-12-17 | 语音翻译方法及装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635305B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210026B (zh) * | 2019-05-29 | 2023-05-26 | 北京百度网讯科技有限公司 | 语音翻译方法、装置、计算机设备和存储介质 |
CN111079945B (zh) * | 2019-12-18 | 2021-02-05 | 北京百度网讯科技有限公司 | 端到端模型的训练方法及装置 |
CN111951805A (zh) * | 2020-07-10 | 2020-11-17 | 华为技术有限公司 | 一种文本数据处理方法及装置 |
CN112699690B (zh) * | 2020-12-29 | 2024-02-13 | 科大讯飞股份有限公司 | 翻译模型的训练方法、翻译方法、电子设备、存储介质 |
CN112905869A (zh) * | 2021-03-26 | 2021-06-04 | 北京儒博科技有限公司 | 语言模型的自适应训练方法、装置、存储介质及设备 |
CN113408305B (zh) * | 2021-06-30 | 2023-03-24 | 北京百度网讯科技有限公司 | 模型的训练方法、装置、设备和存储介质 |
CN113378586B (zh) * | 2021-07-15 | 2023-03-28 | 北京有竹居网络技术有限公司 | 语音翻译方法、翻译模型训练方法、装置、介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649288A (zh) * | 2016-12-12 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于人工智能的翻译方法和装置 |
CN108804427A (zh) * | 2018-06-12 | 2018-11-13 | 深圳市译家智能科技有限公司 | 语音机器翻译方法及装置 |
CN108986793A (zh) * | 2018-09-28 | 2018-12-11 | 北京百度网讯科技有限公司 | 翻译处理方法、装置及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8972268B2 (en) * | 2008-04-15 | 2015-03-03 | Facebook, Inc. | Enhanced speech-to-speech translation system and methods for adding a new word |
-
2018
- 2018-12-17 CN CN201811541939.3A patent/CN109635305B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649288A (zh) * | 2016-12-12 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于人工智能的翻译方法和装置 |
CN108804427A (zh) * | 2018-06-12 | 2018-11-13 | 深圳市译家智能科技有限公司 | 语音机器翻译方法及装置 |
CN108986793A (zh) * | 2018-09-28 | 2018-12-11 | 北京百度网讯科技有限公司 | 翻译处理方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109635305A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635305B (zh) | 语音翻译方法及装置、设备及存储介质 | |
CN109558597B (zh) | 文本翻译方法及装置、设备及存储介质 | |
US20180366107A1 (en) | Method and device for training acoustic model, computer device and storage medium | |
CN111310447B (zh) | 语法纠错方法、装置、电子设备和存储介质 | |
CN109599095B (zh) | 一种语音数据的标注方法、装置、设备和计算机存储介质 | |
CN107221328B (zh) | 修改源的定位方法及装置、计算机设备及可读介质 | |
US9766868B2 (en) | Dynamic source code generation | |
US20150120282A1 (en) | Preserving emotion of user input | |
CN110175335B (zh) | 翻译模型的训练方法和装置 | |
CN109947924B (zh) | 对话系统训练数据构建方法、装置、电子设备及存储介质 | |
WO2014048172A1 (en) | Method and system for correcting text | |
CN109558604B (zh) | 一种机器翻译方法、装置、电子设备及存储介质 | |
US9619209B1 (en) | Dynamic source code generation | |
JP2014115646A (ja) | 音声認識のエラー修正方法及び装置 | |
CN108564944B (zh) | 智能控制方法、系统、设备及存储介质 | |
CN109815147B (zh) | 测试案例生成方法、装置、服务器和介质 | |
CN111325038B (zh) | 翻译训练数据生成方法、装置、计算机设备及存储介质 | |
US20140317495A1 (en) | Retroactive word correction | |
WO2022089267A1 (zh) | 样本数据获取方法、图像分割方法、装置、设备和介质 | |
CN111090641A (zh) | 数据处理方法及装置、电子设备、存储介质 | |
CN109408834B (zh) | 辅助机器翻译方法、装置、设备及存储介质 | |
US20230015313A1 (en) | Translation method, classification model training method, device and storage medium | |
CN110728156B (zh) | 翻译方法、装置、电子设备及可读存储介质 | |
CN109657127B (zh) | 一种答案获取方法、装置、服务器及存储介质 | |
CN113053390B (zh) | 基于语音识别的文本处理方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |