申请/专利权人:北京猿力未来科技有限公司
申请日:2020-12-23
公开(公告)日:2024-03-19
公开(公告)号:CN112700766B
主分类号:G10L15/06
分类号:G10L15/06;G10L15/16;G10L15/22;G10L15/26;G10L25/51;G10L25/87
优先权:
专利状态码:有效-授权
法律状态:2024.03.19#授权;2021.05.11#实质审查的生效;2021.04.23#公开
摘要:本说明书提供语音识别模型的训练方法及装置、语音识别方法及装置,其中语音识别模型的训练方法包括:获取语音样本对;通过语音识别模型的全连接层获得第一语音样本的第一样本向量和第二语音样本的第二样本向量;根据第一样本向量和第二样本向量之间的相似度,以及样本对标签,计算语音识别模型的损失值;根据语音识别模型的损失值,对语音识别模型进行训练,直至达到训练停止条件,得到训练后的语音识别模型。本说明书中引入了基于样本对的语音识别模型的损失值,该损失值使得语音识别模型具有准确抽取语音内容信息的能力,使得新增待识别的关键词时,无需重新训练语音识别模型,只需准备少量该关键词的标准语音即可。
主权项: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:获取语音样本对,所述语音样本对包括第一语音样本和第二语音样本,且所述语音样本对携带有样本对标签,所述样本对标签用于标识所述第一语音样本和所述第二语音样本是否相同;通过语音识别模型的全连接层获得所述第一语音样本的第一样本向量和所述第二语音样本的第二样本向量;根据所述第一样本向量和所述第二样本向量之间的相似度,以及所述样本对标签,计算所述第一语音样本和所述第二语音样本的第一差异;根据所述第一差异、第二差异和第三差异,计算所述语音识别模型的损失值,其中,所述第二差异基于所述第一语音样本计算得到,所述第三差异基于所述第二语音样本得到;根据所述语音识别模型的损失值,对所述语音识别模型进行训练,直至达到训练停止条件,得到训练后的语音识别模型。
全文数据:
权利要求:
百度查询: 北京猿力未来科技有限公司 语音识别模型的训练方法及装置、语音识别方法及装置
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。