申请/专利权人:昆明理工大学
申请日:2024-02-05
公开(公告)日:2024-05-14
公开(公告)号:CN118038873A
主分类号:G10L15/26
分类号:G10L15/26;G10L15/02;G10L15/18;G10L15/16;G06N3/0455;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.31#实质审查的生效;2024.05.14#公开
摘要:本发明涉及基于发音指导的语音识别文本纠错方法;多粒度发音特征编码模块由单向GRU和四层Transformer编码器组成,从拼音序列中提取发音特征;发音和语义表征融合模块通过门控单元与BART编码器的最后一层隐藏状态进行融合,并将融合特征输入至BART解码器和复制校正决策模块;复制校正决策以发音和语义融合特征以及来自BART解码器最后一层隐藏状态作为输入,通过多头注意力计算某个字符是否应当复制或校正的概率分布,最终根据概率分布对语音识别文本中的每个字符进行保持或校正。本发明能有效降低语音识别词错率,有效缓解传统序列到序列纠错模型中存在的过度校正问题,提供更灵活的语音识别词错误检测和校正解决方案。
主权项:1.一种基于发音指导的语音识别文本纠错方法,其特征在于:所述方法包括如下:Step1、通过构建的多粒度发音特征编码模块从拼音序列中提取音节级和句子级的发音特征;Step2、发音和语义表征融合模块通过门控单元与BART编码器的最后一层隐藏状态进行融合,并将发音和语义表征融合特征输入至BART解码器和复制校正决策模块;Step3、复制校正决策模块以发音和语义表征融合特征以及来自BART解码器最后一层隐藏状态作为输入,通过多头注意力计算某个字符是否应当复制或校正的概率分布,最终根据概率分布对语音识别文本中的每个字符进行保持或校正。
全文数据:
权利要求:
百度查询: 昆明理工大学 一种基于发音指导的语音识别文本纠错方法
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。