申请/专利权人:湘潭大学
申请日:2022-06-07
公开(公告)日:2022-09-06
公开(公告)号:CN115019772A
主分类号:G10L15/00
分类号:G10L15/00;G10L21/02;G10L15/16;H04N21/8547;G06V40/20;G06V20/40;G06V10/82;G06V10/80;G06N3/08;G06N3/04;G06K9/62;G06F40/289
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.09.23#实质审查的生效;2022.09.06#公开
摘要:本发明公开了一种基于视觉信息的粤语语音识别增强方法,步骤如下:S1、构建数据集;S2、数据处理;S3、使用算法对预处理过的数据进行训练,得到训练模型。S4、利用训练模型在不同语音环境下对识别效果同纯音频模型进行对比。本发明采用上述的一种基于视觉信息的粤语语音识别增强方法,通过提出一种基于多尺度时间卷积网络的端到端音视频增强网络,利用视觉信息对粤语语音识别增强,有效的提升了在复杂的语音环境下的粤语语音识别效果。
主权项:1.一种基于视觉信息的粤语语音识别增强方法,其特征在于,步骤如下:S1、构建数据集;S2、数据处理;S3、使用算法对预处理过的数据进行训练,得到训练模型;S4、利用训练模型在不同语音环境下对识别效果同纯音频模型进行对比。
全文数据:
权利要求:
百度查询: 湘潭大学 一种基于视觉信息的粤语语音识别增强方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。