申请/专利权人:国网山东省电力公司信息通信公司
申请日:2023-11-10
公开(公告)日:2024-04-12
公开(公告)号:CN117877512A
主分类号:G10L25/18
分类号:G10L25/18;G10L25/51;G10L25/27;G10L19/008
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本公开涉及自动语音识别技术领域,提出了一种针对音频信息的文字及声纹识别方法、系统及应用,包括如下步骤:将获取的待处理音频信号,进行预处理;将预处理后的音频信号输入至改进后的Conformer编码器进行编码,对音频信号转换后的频谱特征图进行八度卷积下采样操作,得到编码特征;将编码后的特征图进行解码,得到文字识别信息;将编码后的特征图采用分类鉴别器进行声纹身份识别处理后,得到身份信息。以Conformer为骨干架构进行改进,能够有效处理噪声,同时实现了基于音频信息的语音识别与身份识别,能够在实施调度过程中,确保调度指令的可靠性及安全性,并实现了端到端的声纹身份识别。
主权项:1.一种针对音频信息的文字及声纹识别方法,其特征在于,包括如下步骤:将获取的待处理音频信号,进行预处理;将预处理后的音频信号输入至改进后的Conformer编码器进行编码;改进后的Conformer编码器采用Octave卷积子模块,Octave卷积子模块对音频信号转换后的频谱特征图进行八度卷积下采样操作,得到编码特征;将编码后的特征图进行解码,得到文字识别信息;将编码后的特征图采用分类鉴别器进行声纹身份识别处理后,得到人员身份信息。
全文数据:
权利要求:
百度查询: 国网山东省电力公司信息通信公司 一种针对音频信息的文字及声纹识别方法、系统及应用
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。