申请/专利权人：河海大学

申请日：2023-10-31

公开（公告）日：2024-02-06

公开（公告）号：CN117524251A

主分类号：G10L25/30

分类号：G10L25/30;G10L25/18;G06N3/0455;G06N3/0499;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明公开了一种基于可分离注意力和块掩蔽的语音识别方法和系统，方法包括：构建语音识别模型，对语音识别模型进行训练，使用训练完的模型进行语音识别；其中语音识别模型包括预处理模块，嵌入层，优化模块，线性层；预处理模块包括转化对齐模块，分块模块，块掩蔽模块和延展模块；转化对齐模块得到原始语音对应的频谱图，将所有频谱图的时间维度进行整体对齐；分块模块将频谱图分割成若干块序列；块掩蔽模块随机丢弃部分块序列；延展模块将剩余块序列进行延展；优化模块，包括可分离注意力层和前馈网络层；可分离注意力层包括横向注意力层和纵向注意力层；本发明可以减少语音识别的计算复杂度、提高计算效率、提升语音识别准确率。

主权项：1.一种基于可分离注意力和块掩蔽的语音识别方法，其特征在于，包括：构建语音识别模型，对语音识别模型进行训练，使用训练完的模型进行语音识别；所述语音识别模型包括预处理模块，嵌入层，优化模块和线性层；所述预处理模块，包括转化对齐模块，分块模块，块掩蔽模块和延展模块；所述转化对齐模块，用于对原始语音进行转化，得到原始语音对应的频谱图，使用自适应池化层，将所有频谱图的时间维度进行整体对齐；所述分块模块，用于将频谱图分割成若干块序列；所述块掩蔽模块，用于随机丢弃部分块序列；所述延展模块，用于将剩余块序列进行延展；所述优化模块，包括可分离注意力层和前馈网络层；所述可分离注意力层，包括横向注意力层和纵向注意力层。

全文数据：

权利要求：

百度查询： 河海大学 一种基于可分离注意力和块掩蔽的语音识别方法和系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD