CN112669816A - 模型的训练方法、语音识别方法、装置、介质及设备 - Google Patents

模型的训练方法、语音识别方法、装置、介质及设备 Download PDF

Info

Publication number
CN112669816A
CN112669816A CN202011554089.8A CN202011554089A CN112669816A CN 112669816 A CN112669816 A CN 112669816A CN 202011554089 A CN202011554089 A CN 202011554089A CN 112669816 A CN112669816 A CN 112669816A
Authority
CN
China
Prior art keywords
language
target
data
training
model
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
Application number
CN202011554089.8A
Other languages
English (en)
Other versions
CN112669816B (zh
Inventor
王康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202011554089.8A priority Critical patent/CN112669816B/zh
Publication of CN112669816A publication Critical patent/CN112669816A/zh
Priority to PCT/CN2021/131442 priority patent/WO2022134968A1/zh
Priority to US18/257,403 priority patent/US20240105162A1/en
Application granted granted Critical
Publication of CN112669816B publication Critical patent/CN112669816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • 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
    • G10L15/005—Language recognition
    • 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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Machine Translation (AREA)

Abstract

本公开涉及一种模型的训练方法、语音识别方法、装置、介质及设备，所述方法包括：获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据；按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序；按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的。通过上述技术方案，可以有效避免标注数据的数量分布不均对目标语音识别模型的准确率的影响，同时也可以提高目标语音识别模型的训练效率。

Description

模型的训练方法、语音识别方法、装置、介质及设备
技术领域
本公开涉及计算机技术领域，具体地，涉及一种模型的训练方法、语音识别方法、装置、介质及设备。
背景技术
在国际化的推进过程中，会遇到多语种的语音识别问题。每一语种都有其独特性，其使用范围和普及度也各不相同。由此，可以对多语种的语音数据进行识别的语音识别模型应运而生。然后在该语音识别模型的训练数据的中针对不同语种的收集难度和不同语种的语音数据的数据量也都不同，通常使用人数较多的语种，其对应的训练数据较多。现有技术中，通常是将不同训练数据量的语种所对应的训练数据混合在一起进行训练，这会导致训练得出的模型对数据量较多的语种的识别率较高，而对于数据量较少的语种的识别率较低。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种语音识别模型的训练方法，所述方法包括：
获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据；
按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序；
按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的，所述目标语音识别模型用于对所述至少两个语种的语音数据进行语音识别。
第二方面，提供一种语音识别方法，所述方法包括：
接收待识别的语音数据；
将所述语音数据输入目标语音识别模型，将所述目标语音识别模型输出的识别结果作为所述语音数据的识别结果，其中，所述目标语音识别模型为根据第一方面所述方法训练得出的。
第三方面，提供一种语音识别模型的训练装置，所述装置包括：
获取模块，用于获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据；
排序模块，用于按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序；
训练模块，用于按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的，所述目标语音识别模型用于对所述至少两个语种的语音数据进行语音识别。
第四方面，提供一种语音识别装置，所述装置包括：
接收模块，用于接收待识别的语音数据；
输入模块，用于将所述语音数据输入目标语音识别模型，将所述目标语音识别模型输出的识别结果作为所述语音数据的识别结果，其中，所述目标语音识别模型为根据第一方面所述方法训练得出的。
第五方面，提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面所述方法的步骤，或者该程序被处理装置执行时实现第二方面所述方法的步骤。
第六方面，提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面所述方法的步骤，或者实现第二方面所述方法的步骤。
在上述技术方案中，在根据包含多个语种的标注数据进行语音识别模型训练时，首先按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序，之后按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型。因此，通过上述技术方案，在对多语种的语音识别模型的训练过程中，可以按照每一语种的标注数据的数量，优先以标注数据的数量更多的语种进行训练，并且在每一次迭代训练的过程中所采用的训练数据中既包含当前排位的语种的标注数据，又包含处于该排位之前的各个语种的标注数据，从而可以有效避免标注数据的数量分布不均对目标语音识别模型的准确率的影响，同时也可以提高目标语音识别模型的训练效率。同时，可以在保证经过此次迭代过程确定出的语音识别模型对当前排位的语种的识别率，又可以保证该模型对标注数据的数量更多的语种的识别率，从而可以提高确定出的目标语音识别模型对各个语种的综合识别率，提高目标语音识别模型的准确性，提升用户使用体验。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据本公开的一种实施方式提供的语音识别模型的训练方法的流程图；
图2是根据本公开的一种实施方式提供的语音识别方法的流程图；
图3是根据本公开的一种实施方式提供的语音识别模型的训练装置的框图；
图4是为根据本公开的一种实施方式提供的语音识别装置的框图；
图5其示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1所示，为根据本公开的一种实施方式提供的语音识别模型的训练方法的流程图，如图1所示，所述方法包括：
在步骤11中，获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据。示例地，该训练数据可以是预先标注的包含多个语种的数据。
在步骤12中，按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序。
示例地，训练数据中包含4个语种的标注数据，其中，语种A1的标注数据的数量为T1，语种A2的标注数据的数量为T2，语种A3的标注数据的数量为T2，语种A4的标注数据的数量为T4。若T1>T2>T3>T4，则确定出的各个语种对应的训练顺序为A1、A2、A3、A4。
在步骤13中，按照训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的，所述目标语音识别模型用于对所述至少两个语种的语音数据进行语音识别。如上述示例，语种A1对应的目标数据是根据该语种A1的标注数据确定出的，语种A2对应的目标数据是训练顺序中第一排位至当前排位的语种(即语种A1和语种A2)的标注数据确定出的，同样，语种A3对应的目标数据是根据语种A1、A2和A3的标注数据确定出的。其他排位的语种对应的目标数据的确定方式相似，在此不再赘述。
在该步骤中，在基于该训练顺序指示的语种的排位，依次基于每一语种对应的目标数据对预设模型进行迭代训练，即在每一迭代训练的过程中会增加一个语种，并且在该次迭代的过程中用于训练的目标数据会包含当前语种的标注数据以及标注数据的数量高于该当前语种的其他语种的标注数据。
在上述技术方案中，在根据包含多个语种的标注数据进行语音识别模型训练时，首先按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序，之后按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型。因此，通过上述技术方案，在对多语种的语音识别模型的训练过程中，可以按照每一语种的标注数据的数量，优先以标注数据的数量更多的语种进行训练，并且在每一次迭代训练的过程中所采用的训练数据中既包含当前排位的语种的标注数据，又包含处于该排位之前的各个语种的标注数据，从而可以有效避免标注数据的数量分布不均对目标语音识别模型的准确率的影响，同时也可以提高目标语音识别模型的训练效率。同时，可以在保证经过此次迭代过程确定出的语音识别模型对当前排位的语种的识别率，又可以保证该模型对标注数据的数量更多的语种的识别率，从而可以提高确定出的目标语音识别模型对各个语种的综合识别率，提高目标语音识别模型的准确性，提升用户使用体验。
为了便于本领域技术人员理解本公开所提供实施例的技术方案，以下针对上述步骤进行详细说明。
在一种可能的实施例中，在步骤13中，按照训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型的示例性实现方式如下，该步骤可以包括：
获取目标语种对应的目标数据，其中，所述目标语种初始为所述训练顺序中第一排位的语种，即按照训练顺序指示的语种的排位，从第一排位的语种开始迭代训练。
作为示例，所述获取目标语种对应的目标数据的示例性实现方式如下，可以包括：
在所述目标语种为所述第一排位的语种的情况下，将所述目标语种的标注数据中第一数量的数据作为所述目标数据，其中，所述第一数量大于所述训练顺序中所述目标语种的下一语种的标注数据的数量，且所述第一数量小于或等于所述目标语种的标注数据的数量。
如上述示例，第一排位的语种为语种A1，在确定该语种A1对应的目标数据时，可以将该语种A1中的第一数量的标注数据作为目标数据，训练顺序中该目标语种A1的下一语种为语种A2，则该第一数量小于或等于T1，且第一数量大于T2。示例地，该第一数量为目标语种的标注数据的数量，即T1，从而可以基于该语种A1的全部标注数据对预设模型进行训练，从而提高训练后的模型对该语种A1的数据识别率。
在所述目标语种不是所述第一排位的语种、且不是最后排位的语种的情况下，分别从所述目标语种的标注数据和排位位于所述目标语种之前的每一语种的标注数据中，获取第二数量的数据作为所述目标数据，其中，所述第二数量大于所述训练顺序中所述目标语种的下一语种的标注数据的数量，且所述第二数量小于或等于所述目标语种的标注数据的数量。
如上文所述示例，针对于语种A2，在确定语种A2对应的目标数据时，可以分别从语种A1和语种A2的标注数据中获取第二数量的标注数据，以作为该语种A2对应的目标数据。针对于语种A3，在确定语种A3对应的目标数据时，可以分别从语种A1、语种A2和语种A3的标注数据中获取第二数量的标注数据，以作为该语种A3对应的目标数据。
可选地，第二数量为目标语种的标注数据的数量，即目标语种为语种A2时，该第二数量即为语种A2的标注数据的数量，目标语种为语种A3时，该第二数量即为语种A3的标注数据的数量。因此，确定出的语种A2对应的目标数据中包含语种A2的全部标注数据和从语种A1的标注数据中获得的T2数量的标注数据；确定出的语种A3对应的目标数据中包含语种A3的全部标注数据和从语种A1的标注数据中获得的T3数量的标注数据，以及从语种A2的标注数据中获得的T3数量的标注数据。
因此，在该实施例中，每次迭代训练的过程中不仅包含当前语种的标注数据，同时可以包含标注数据的数量高于目标语种的各个语种的标注数据，从而在提高语音识别模型对目标语种的识别率的同时，有效保证对已迭代训练的其他语种的识别率。并且，在该实施例中，在每次迭代训练的过程中参与训练的每一语种使用的标注数据的数量是相同的，从而在一定程度上可以保证此次迭代训练过程中的数据均匀性，有效解决数据分布不均匀的问题，进一步提高语音识别模型对多语种语音数据的综合识别率。
在所述目标语种为最后排位的语种的情况下，分别从每一所述语种中获取第三数量的标注数据作为所述目标数据，其中，所述第三数量为所述目标语种的标注数据的数量。
示例地，在确定语种A4对应的目标数据时，可以将该语种A4的全部标注数据、从语种A1的标注数据中获得的T4数量的标注数据、从语种A2的标注数据中获得的T4数量的标注数据、以及从语种A3的标注数据中获得的T4数量的标注数据，作为该语种A4对应的目标数据。
在获取到目标语种对应的目标数据之后，根据所述目标语种对应的所述目标数据，对所述目标语种对应的初始模型进行训练，获得所述目标语种对应的目标模型，其中，在所述目标语种为所述第一排位的语种的情况下，所述初始模型为所述预设模型，在所述目标语种不是所述第一排位的语种的情况下，所述初始模型为所述训练顺序中所述目标语种的上一语种对应的目标模型；
将所述训练顺序中所述目标语种的下一语种作为新的目标语种，返回所述获取目标语种对应的目标数据的步骤，直至每一语种的标注数据均进行迭代训练，将所述训练顺序中最后排位的语种对应的目标模型确定为所述目标语音识别模型。
其中，在该实施例中，在第一次迭代训练的过程中，可以基于语种A1对应的目标数据对预设模型进行训练，如将该目标数据输入该预设模型，从而可以根据预设模型输出的识别结果与该目标数据中对应的标注结果的损失，对该预设模型的模型参数进行调整，从而获得该语种A1对应的目标模型。之后，在下一次迭代训练的过程中，基于语种A2对应的目标数据进行模型训练时，该语种A2对应的初始模型即为语种A1对应的目标模型，从而可以基于语种A2对应的目标数据进行进一步训练。之后其他语种的训练方式类似，在此不再赘述。最后，直至基于训练顺序中最后排位的语种对应的目标数据进行模型训练完成后，即每一语种的标注数据均进行迭代训练，从而将所述训练顺序中最后排位的语种对应的目标模型确定为所述目标语音识别模型，该目标语音识别模型可以对参与训练的各个语种对应的语音数据进行识别。
由此，通过上述技术方案，在对语音识别模型训练的过程中，在每一迭代训练过程中新增一种语种对应的目标数据，同时可以在上一迭代训练得出的模型的基础上进行进一步训练，从而使得在训练标注数据的数量较少的语种的同时，保证标注数据的数量更多的语种的识别效果，从而保证最终训练得出的目标语音模型对各个语种的语音数据的识别率。
在一种可能的实施例中，本公开还提供一种语音识别方法，如图2所示，包括：
在步骤21中，接收待识别的语音数据；
在步骤22中，将语音数据输入目标语音识别模型，将目标语音识别模型输出的识别结果作为语音数据的识别结果，从而可以实现对该语音数据的准确识别。
在一种可能的实施例中，可以在目标语音识别模型中保存所述迭代训练过程中每一语种对应的目标模型，语种对应的目标模型可以用于对该语种的语音数据以及训练顺序指示的语种中排位位于该语种之前的各个语种的语音数据进行识别，则所述将所述语音数据输入目标语音识别模型，将所述目标语音识别模型输出的识别结果作为所述语音数据的识别结果，包括：确定所述语音数据的语种；将所述语音数据输入所述语种对应的目标模型，并将所述目标模型输出的识别结果作为所述语音数据的识别结果。由此，可以基于该语音数据的语种对应的目标模型对该语音数据进行识别，进一步提高语音数据识别的准确性。
该语音识别方法还可以包括：确定接收到的语音数据的语种，将该语音数据输入该语种对应的目标模型，并将该目标模型输出的识别结果作为该语音数据的识别结果。
在一种可能的实施例中，在获取每一语种所对应的目标数据对预设模型进行迭代训练的过程中，每一迭代训练对应的模型学习率与该次迭代训练中新增的语种的标注数据的数量呈正相关关系。由此，在该实施例中，每次迭代训练对应的模型学习率依次降低，从而可以逐渐降低每次迭代训练的过程中的模型参数调整的幅度，从而使得训练更新后的目标模型既可以对当前排位的语种的进行准确识别，又不会对已训练的其他排位的语种的识别率产生较大影响，进一步保证确定出的目标语音识别模型对每一语种的识别准确率。
在一种可能的实施例中，通过以下方式确定每一所述迭代训练对应的模型学习率：
在所述迭代训练为首次迭代的情况下，将预设学习率确定为该次迭代训练对应的模型学习率。其中，该预设学习率可以根据实际使用场景进行设置，本公开对此不行限定。在该实施例中，在基于语种A1对应的目标数据对预设模型进行训练时，其对应的模型学习率即为该预设学习率。
在所述迭代训练不是首次迭代的情况下，将上次迭代训练对应的模型学习率与目标比例的乘积确定为该次迭代训练对应的模型学习率，其中，所述目标比例小于1。
作为示例，该目标比例可以预先设置，从而可以在每次迭代过程中保证模型学习率逐渐降低，同时可以保证相邻两次迭代训练过程中对应的模型学习率的相关性，提高每次迭代训练过程中模型参数调整的准确性，从而提高语音识别模型的优化效率和精度。
作为另一示例，所述目标比例为该次迭代训练新增的语种的标注数据的数量与首次迭代训练的语种的标注数据的数量的比值。
示例地，预设学习率记为Ir0，则在基于语种A1对应的目标数据进行训练的过程中采用的模型学习率为Ir0。之后，在基于语种A2对应的目标数据进行训练的过程中，采用的模型学习率Ir1即为Ir0*(T2/T1)。在基于语种A3对应的目标数据进行训练的过程中，采用的模型学习率Ir2即为Ir1*(T3/T1)。在基于语种A4对应的目标数据进行训练的过程中，采用的模型学习率Ir3即为Ir2*(T4/T1)。
由此，通过上述技术方案，在确定每次迭代训练过程中对应的模型学习率时，不仅可以保证相邻两次迭代训练过程中对应的模型学习率的相关性，同时使得每次迭代训练过程中对应的模型学习率与该次迭代过程中新增的语种的标注数据的数量相匹配，从而提高每次迭代训练过程的模型学习率的准确性，既可以保证训练得出的目标语音识别模型对标注数据的数量更高的语种的识别率，又可以通过均衡预测的方式，保证对标注数据的数量较少的语种的识别率，进一步提升语音识别模型训练的效率和准确率，提升用户使用体验。
本公开还提供一种语音识别模型的训练装置，如图3所示，所述装置10包括：
获取模块101，用于获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据；
排序模块102，用于按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序；
训练模块103，用于按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的，所述目标语音识别模型用于对所述至少两个语种的语音数据进行语音识别。
可选地，所述训练模块包括：
获取子模块，用于获取目标语种对应的目标数据，其中，所述目标语种初始为所述训练顺序中第一排位的语种；
训练子模块，用于根据所述目标语种对应的所述目标数据，对所述目标语种对应的初始模型进行训练，获得所述目标语种对应的目标模型，其中，在所述目标语种为所述第一排位的语种的情况下，所述初始模型为所述预设模型，在所述目标语种不是所述第一排位的语种的情况下，所述初始模型为所述训练顺序中所述目标语种的上一语种对应的目标模型；
将所述训练顺序中所述目标语种的下一语种作为新的目标语种，触发所述获取子模块获取目标语种对应的目标数据，直至每一语种的标注数据均进行迭代训练，将所述训练顺序中最后排位的语种对应的目标模型确定为所述目标语音识别模型。
可选地，所述获取子模块包括：
第一确定子模块，用于在所述目标语种为所述第一排位的语种的情况下，将所述目标语种的标注数据中第一数量的数据作为所述目标数据，其中，所述第一数量大于所述训练顺序中所述目标语种的下一语种的标注数据的数量，且所述第一数量小于或等于所述目标语种的标注数据的数量；
第二确定子模块，用于在所述目标语种不是所述第一排位的语种、且不是最后排位的语种的情况下，分别从所述目标语种的标注数据和排位位于所述目标语种之前的每一语种的标注数据中，获取第二数量的数据作为所述目标数据，其中，所述第二数量大于所述目标语种对应的下一语种的标注数据的数量，且所述第二数量小于或等于所述目标语种的标注数据的数量；
第三确定子模块，用于在所述目标语种为最后排位的语种的情况下，分别从每一所述语种中获取第三数量的标注数据作为所述目标数据，其中，所述第三数量为所述目标语种的标注数据的数量。
可选地，在获取每一语种所对应的目标数据对预设模型进行迭代训练的过程中，每一迭代训练对应的模型学习率与该次迭代训练中新增的语种的标注数据的数量呈正相关关系。
可选地，通过以下方式确定每一所述迭代训练对应的模型学习率：
在所述迭代训练为首次迭代的情况下，将预设学习率确定为该次迭代训练对应的模型学习率；
在所述迭代训练不是首次迭代的情况下，将上次迭代训练对应的模型学习率与目标比例的乘积确定为该次迭代训练对应的模型学习率，其中，所述目标比例小于1。
可选地，所述目标比例为该次迭代训练新增的语种的标注数据的数量与首次迭代训练的语种的标注数据的数量的比值。
本公开还提供一种语音识别装置，如图4所示，所述装置20包括：
接收模块201，用于接收待识别的语音数据；
输入模块202，用于将所述语音数据输入目标语音识别模型，将所述目标语音识别模型输出的识别结果作为所述语音数据的识别结果，其中，所述目标语音识别模型为根据上述语音识别模型的训练方法训练得出的。
可选地，所述目标语音识别模型中包含多个语种对应的目标模型；
所述输入模块包括：
第四确定子模块，用于确定所述语音数据的语种；
输入子模块，用于将所述语音数据输入所述语种对应的目标模型，并将所述目标模型输出的识别结果作为所述语音数据的识别结果。
下面参考图5，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据；按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序；按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的，所述目标语音识别模型用于对所述至少两个语种的语音数据进行语音识别。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收待识别的语音数据；将所述语音数据输入目标语音识别模型，将所述目标语音识别模型输出的识别结果作为所述语音数据的识别结果，其中，所述目标语音识别模型为根据上述任一语音识别模型的训练方法训练得出的。
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公开的操作的计算机程序代码，上述程序设计语言包括但不限于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)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取训练数据的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种语音识别模型的训练方法，其中，所述方法包括：
获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据；
按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序；
按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的，所述目标语音识别模型用于对所述至少两个语种的语音数据进行语音识别。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，其中，所述按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，包括：
获取目标语种对应的目标数据，其中，所述目标语种初始为所述训练顺序中第一排位的语种；
根据所述目标语种对应的所述目标数据，对所述目标语种对应的初始模型进行训练，获得所述目标语种对应的目标模型，其中，在所述目标语种为所述第一排位的语种的情况下，所述初始模型为所述预设模型，在所述目标语种不是所述第一排位的语种的情况下，所述初始模型为所述训练顺序中所述目标语种的上一语种对应的目标模型；
将所述训练顺序中所述目标语种的下一语种作为新的目标语种，返回所述获取目标语种对应的目标数据的步骤，直至每一语种的标注数据均进行迭代训练，将所述训练顺序中最后排位的语种对应的目标模型确定为所述目标语音识别模型。
根据本公开的一个或多个实施例，示例3提供了示例2的方法，其中，所述获取目标语种对应的目标数据，包括：
在所述目标语种为所述第一排位的语种的情况下，将所述目标语种的标注数据中第一数量的数据作为所述目标数据，其中，所述第一数量大于所述训练顺序中所述目标语种的下一语种的标注数据的数量，且所述第一数量小于或等于所述目标语种的标注数据的数量；
在所述目标语种不是所述第一排位的语种、且不是最后排位的语种的情况下，分别从所述目标语种的标注数据和排位位于所述目标语种之前的每一语种的标注数据中，获取第二数量的数据作为所述目标数据，其中，所述第二数量大于所述目标语种对应的下一语种的标注数据的数量，且所述第二数量小于或等于所述目标语种的标注数据的数量；
在所述目标语种为最后排位的语种的情况下，分别从每一所述语种中获取第三数量的标注数据作为所述目标数据，其中，所述第三数量为所述目标语种的标注数据的数量。
根据本公开的一个或多个实施例，示例4提供了示例1的方法，其中，在获取每一语种所对应的目标数据对预设模型进行迭代训练的过程中，每一迭代训练对应的模型学习率与该次迭代训练中新增的语种的标注数据的数量呈正相关关系。
根据本公开的一个或多个实施例，示例5提供了示例1的方法，其中，通过以下方式确定每一所述迭代训练对应的模型学习率：
在所述迭代训练为首次迭代的情况下，将预设学习率确定为该次迭代训练对应的模型学习率；
在所述迭代训练不是首次迭代的情况下，将上次迭代训练对应的模型学习率与目标比例的乘积确定为该次迭代训练对应的模型学习率，其中，所述目标比例小于1。
根据本公开的一个或多个实施例，示例6提供了示例5的方法，其中，所述目标比例为该次迭代训练新增的语种的标注数据的数量与首次迭代训练的语种的标注数据的数量的比值。
根据本公开的一个或多个实施例，示例7提供了一种语音识别方法，其中，所述方法包括：
接收待识别的语音数据；
将所述语音数据输入目标语音识别模型，将所述目标语音识别模型输出的识别结果作为所述语音数据的识别结果，其中，所述目标语音识别模型为根据示例1-示例6中任一示例所述方法训练得出的。
根据本公开的一个或多个实施例，示例8提供了一种语音识别模型的训练装置，其中，所述装置包括：
获取模块，用于获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据；
排序模块，用于按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序；
训练模块，用于按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的，所述目标语音识别模型用于对所述至少两个语种的语音数据进行语音识别。
根据本公开的一个或多个实施例，示例9提供了一种语音识别装置，其中，所述装置包括：
接收模块，用于接收待识别的语音数据；
输入模块，用于将所述语音数据输入目标语音识别模型，将所述目标语音识别模型输出的识别结果作为所述语音数据的识别结果，其中，所述目标语音识别模型为根据示例1-示例6中任一示例所述方法训练得出的。
根据本公开的一个或多个实施例，示例10提供了一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理装置执行时实现示例1-示例6中任一示例所述方法的步骤，或者该程序被处理装置执行时实现示例7所述方法的步骤。
根据本公开的一个或多个实施例，示例11提供了一种电子设备，其中，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1-示例6中任一示例所述方法的步骤，或者实现示例7所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (11)

1.一种语音识别模型的训练方法，其特征在于，所述方法包括：
获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据；
按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序；
按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的，所述目标语音识别模型用于对所述至少两个语种的语音数据进行语音识别。
2.根据权利要求1所述的方法，其特征在于，所述按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，包括：
获取目标语种对应的目标数据，其中，所述目标语种初始为所述训练顺序中第一排位的语种；
根据所述目标语种对应的所述目标数据，对所述目标语种对应的初始模型进行训练，获得所述目标语种对应的目标模型，其中，在所述目标语种为所述第一排位的语种的情况下，所述初始模型为所述预设模型，在所述目标语种不是所述第一排位的语种的情况下，所述初始模型为所述训练顺序中所述目标语种的上一语种对应的目标模型；
将所述训练顺序中所述目标语种的下一语种作为新的目标语种，返回所述获取目标语种对应的目标数据的步骤，直至每一语种的标注数据均进行迭代训练，将所述训练顺序中最后排位的语种对应的目标模型确定为所述目标语音识别模型。
3.根据权利要求2所述的方法，其特征在于，所述获取目标语种对应的目标数据，包括：
在所述目标语种为所述第一排位的语种的情况下，将所述目标语种的标注数据中第一数量的数据作为所述目标数据，其中，所述第一数量大于所述训练顺序中所述目标语种的下一语种的标注数据的数量，且所述第一数量小于或等于所述目标语种的标注数据的数量；
在所述目标语种不是所述第一排位的语种、且不是最后排位的语种的情况下，分别从所述目标语种的标注数据和排位位于所述目标语种之前的每一语种的标注数据中，获取第二数量的数据作为所述目标数据，其中，所述第二数量大于所述目标语种对应的下一语种的标注数据的数量，且所述第二数量小于或等于所述目标语种的标注数据的数量；
在所述目标语种为最后排位的语种的情况下，分别从每一所述语种中获取第三数量的标注数据作为所述目标数据，其中，所述第三数量为所述目标语种的标注数据的数量。
4.根据权利要求1所述的方法，其特征在于，在获取每一语种所对应的目标数据对预设模型进行迭代训练的过程中，每一迭代训练对应的模型学习率与该次迭代训练中新增的语种的标注数据的数量呈正相关关系。
5.根据权利要求4所述的方法，其特征在于，通过以下方式确定每一所述迭代训练对应的模型学习率：
在所述迭代训练为首次迭代的情况下，将预设学习率确定为该次迭代训练对应的模型学习率；
在所述迭代训练不是首次迭代的情况下，将上次迭代训练对应的模型学习率与目标比例的乘积确定为该次迭代训练对应的模型学习率，其中，所述目标比例小于1。
6.根据权利要求5所述的方法，其特征在于，所述目标比例为该次迭代训练新增的语种的标注数据的数量与首次迭代训练的语种的标注数据的数量的比值。
7.一种语音识别方法，其特征在于，所述方法包括：
接收待识别的语音数据；
将所述语音数据输入目标语音识别模型，将所述目标语音识别模型输出的识别结果作为所述语音数据的识别结果，其中，所述目标语音识别模型为根据权利要求1-6中任一项所述方法训练得出的。
8.一种语音识别模型的训练装置，其特征在于，所述装置包括：
获取模块，用于获取训练数据，其中，所述训练数据中包含至少两个语种的标注数据；
排序模块，用于按照每一语种的标注数据的数量由高至低的顺序对各个语种进行排序，以获得各个语种对应的训练顺序；
训练模块，用于按照所述训练顺序指示的语种的排位，依次获取每一语种所对应的目标数据对预设模型进行迭代训练，获得目标语音识别模型，其中，所述目标数据是根据所述训练顺序中第一排位至当前排位的语种的标注数据确定出的，所述目标语音识别模型用于对所述至少两个语种的语音数据进行语音识别。
9.一种语音识别装置，其特征在于，所述装置包括：
接收模块，用于接收待识别的语音数据；
输入模块，用于将所述语音数据输入目标语音识别模型，将所述目标语音识别模型输出的识别结果作为所述语音数据的识别结果，其中，所述目标语音识别模型为根据权利要求1-6中任一项所述方法训练得出的。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-6中任一项所述方法的步骤，或者该程序被处理装置执行时实现权利要求7所述方法的步骤。
11.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤，或者实现权利要求7所述方法的步骤。
CN202011554089.8A 2020-12-24 2020-12-24 模型的训练方法、语音识别方法、装置、介质及设备 Active CN112669816B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011554089.8A CN112669816B (zh) 2020-12-24 2020-12-24 模型的训练方法、语音识别方法、装置、介质及设备
PCT/CN2021/131442 WO2022134968A1 (zh) 2020-12-24 2021-11-18 模型的训练方法、语音识别方法、装置、介质及设备
US18/257,403 US20240105162A1 (en) 2020-12-24 2021-11-18 Method for training model, speech recognition method, apparatus, medium, and device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011554089.8A CN112669816B (zh) 2020-12-24 2020-12-24 模型的训练方法、语音识别方法、装置、介质及设备

Publications (2)

Publication Number Publication Date
CN112669816A true CN112669816A (zh) 2021-04-16
CN112669816B CN112669816B (zh) 2023-06-02

Family

ID=75408613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011554089.8A Active CN112669816B (zh) 2020-12-24 2020-12-24 模型的训练方法、语音识别方法、装置、介质及设备

Country Status (3)

Country Link
US (1) US20240105162A1 (zh)
CN (1) CN112669816B (zh)
WO (1) WO2022134968A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022134968A1 (zh) * 2020-12-24 2022-06-30 北京有竹居网络技术有限公司 模型的训练方法、语音识别方法、装置、介质及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070011117A1 (en) * 2005-06-27 2007-01-11 Microsoft Corporation Training with heterogeneous data
CN104199810A (zh) * 2014-08-29 2014-12-10 科大讯飞股份有限公司 一种基于自然语言交互的智能服务方法及系统
CN108335693A (zh) * 2017-01-17 2018-07-27 腾讯科技（深圳）有限公司 一种语种识别方法以及语种识别设备
US20180218736A1 (en) * 2017-02-02 2018-08-02 International Business Machines Corporation Input generation for classifier
CN110880007A (zh) * 2018-09-06 2020-03-13 张云霄 一种机器学习算法自动选择方法和系统
CN111539220A (zh) * 2020-05-12 2020-08-14 北京百度网讯科技有限公司 语义相似度模型的训练方法、装置、电子设备及存储介质
CN111613209A (zh) * 2020-04-14 2020-09-01 北京三快在线科技有限公司 声学模型训练方法、装置、电子设备及存储介质
CN111680517A (zh) * 2020-06-10 2020-09-18 北京百度网讯科技有限公司 用于训练模型的方法、装置、设备以及存储介质
CN111859951A (zh) * 2020-06-19 2020-10-30 北京百度网讯科技有限公司 语言模型的训练方法、装置、电子设备及可读存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9870765B2 (en) * 2016-06-03 2018-01-16 International Business Machines Corporation Detecting customers with low speech recognition accuracy by investigating consistency of conversation in call-center
US11501076B2 (en) * 2018-02-09 2022-11-15 Salesforce.Com, Inc. Multitask learning as question answering
CN111933121B (zh) * 2020-08-31 2024-03-12 广州市百果园信息技术有限公司 一种声学模型训练方法及装置
CN112069321B (zh) * 2020-11-11 2021-02-12 震坤行网络技术(南京)有限公司 用于文本层级分类的方法、电子设备和存储介质
CN112669816B (zh) * 2020-12-24 2023-06-02 北京有竹居网络技术有限公司 模型的训练方法、语音识别方法、装置、介质及设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070011117A1 (en) * 2005-06-27 2007-01-11 Microsoft Corporation Training with heterogeneous data
CN104199810A (zh) * 2014-08-29 2014-12-10 科大讯飞股份有限公司 一种基于自然语言交互的智能服务方法及系统
CN108335693A (zh) * 2017-01-17 2018-07-27 腾讯科技（深圳）有限公司 一种语种识别方法以及语种识别设备
US20180218736A1 (en) * 2017-02-02 2018-08-02 International Business Machines Corporation Input generation for classifier
CN110880007A (zh) * 2018-09-06 2020-03-13 张云霄 一种机器学习算法自动选择方法和系统
CN111613209A (zh) * 2020-04-14 2020-09-01 北京三快在线科技有限公司 声学模型训练方法、装置、电子设备及存储介质
CN111539220A (zh) * 2020-05-12 2020-08-14 北京百度网讯科技有限公司 语义相似度模型的训练方法、装置、电子设备及存储介质
CN111680517A (zh) * 2020-06-10 2020-09-18 北京百度网讯科技有限公司 用于训练模型的方法、装置、设备以及存储介质
CN111859951A (zh) * 2020-06-19 2020-10-30 北京百度网讯科技有限公司 语言模型的训练方法、装置、电子设备及可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022134968A1 (zh) * 2020-12-24 2022-06-30 北京有竹居网络技术有限公司 模型的训练方法、语音识别方法、装置、介质及设备

Also Published As

Publication number Publication date
WO2022134968A1 (zh) 2022-06-30
CN112669816B (zh) 2023-06-02
US20240105162A1 (en) 2024-03-28

Similar Documents

Publication Publication Date Title
CN112966712B (zh) 语言模型训练方法、装置、电子设备和计算机可读介质
CN110298413B (zh) 图像特征提取方法、装置、存储介质及电子设备
CN110969012B (zh) 文本纠错方法、装置、存储介质及电子设备
CN112883968B (zh) 图像字符识别方法、装置、介质及电子设备
CN111667810B (zh) 多音字语料的获取方法、装置、可读介质和电子设备
CN112883967B (zh) 图像字符识别方法、装置、介质及电子设备
CN112364829B (zh) 一种人脸识别方法、装置、设备及存储介质
CN112883966B (zh) 图像字符识别方法、装置、介质及电子设备
CN112712795B (zh) 标注数据确定方法、装置、介质及电子设备
CN112257478A (zh) 扫码方法、装置、终端和存储介质
CN114494709A (zh) 特征提取模型的生成方法、图像特征提取方法和装置
CN113392018A (zh) 流量分发方法、装置、存储介质及电子设备
CN112669816B (zh) 模型的训练方法、语音识别方法、装置、介质及设备
CN112200183A (zh) 图像处理的方法、装置、设备和计算机可读介质
CN111444813A (zh) 目标对象的属性分类的识别方法、装置、设备及存储介质
CN110689285A (zh) 测试方法、装置、电子设备及计算机可读存储介质
CN113435528A (zh) 对象分类的方法、装置、可读介质和电子设备
CN113420723A (zh) 获取视频热点的方法、装置、可读介质和电子设备
CN113222050A (zh) 图像分类方法、装置、可读介质及电子设备
CN113223496A (zh) 一种语音技能测试方法、装置及设备
CN113051400A (zh) 标注数据确定方法、装置、可读介质及电子设备
CN113177176A (zh) 特征构建方法、内容显示方法及相关装置
CN113220922A (zh) 图像搜索方法、装置和电子设备
CN113191257A (zh) 笔顺检测方法、装置和电子设备
CN111680754A (zh) 图像分类方法、装置、电子设备及计算机可读存储介质

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