声音识别方法、装置、介质和电子设备与流程
- 国知局
- 2024-06-21 11:28:19
所属的技术人员能够理解,本技术的各个方面可以实现为系统、方法或程序产品。因此,本技术的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。根据本技术的这种实施方式的电子设备。电子设备仅仅是一个示例,不应对本技术实施例的功能和使用范围带来任何限制。电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:上述至少一个处理器、上述至少一个储存器、连接不同系统组件(包括储存器和处理器)的总线。其中,上述储存器存储有程序代码,上述程序代码可以被上述处理器执行,使得上述处理器执行本说明书上述“示例性方法”部分中描述的根据本技术各种示例性实施方式的步骤。储存器可以包括易失性储存器形式的可读介质,例如随机存取储存器(ram)和/或高速缓存储存器,还可以进一步包括只读储存器(rom)。储存器还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。总线可以为表示几类总线结构中的一种或多种,包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口进行。并且,电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(lan),广域网(wan)和/或公共网络,例如因特网)通信。网络适配器通过总线与电子设备的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是cd-rom,u盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本技术的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当上述程序产品在终端设备上运行时,上述程序代码用于使上述终端设备执行本说明书上述“示例性方法”部分中描述的根据本技术各种示例性实施方式的步骤。上述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、rf等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本技术操作的程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如java、c++等,还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(lan)或广域网(wan),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。此外,上述附图仅是根据本技术示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。以上所述,仅为本技术的具体实施方式,但本技术的保护范围并不局限于此,任何熟悉本的技术人员在本技术揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本技术的保护范围之内。因此,本技术的保护范围应以权利要求的保护范围为准。
背景技术:
1、随着人工智能技术的不断发展,语音识别技术已成为日常生活中不可或缺的一部分。传统的声音识别控制方法主要基于模板匹配或动态时间规整(dtw)等技术,但这些方法在面对口音差异时,识别准确率较低。因此,如何提高声音识别的准确性,是当前语音识别领域亟待解决的问题。
技术实现思路
1、本技术要解决的技术问题为:如何提高声音识别的准确性。
2、针对上述技术问题,根据本技术的第一方面,提供了一种声音识别方法,包括
3、获取预处理后的待识别声音;
4、对上述待识别声音进行特征提取,得到待识别声音对应的待识别特征向量;
5、将上述待识别特征向量输入目标卷积神经网络模型,得到对应的声音类别;其中,任两种声音类别对应的口音不同;上述目标卷积神经网络模型是基于目标生成模型训练得到的;
6、根据上述声音类别遍历预设映射表,得到目标声音识别模型;
7、将上述待识别声音输入至上述目标声音识别模型,输出待识别声音对应的文字。
8、根据本技术的第二方面,提供了一种声音识别装置,该装置包括:
9、获取单元,被配置成获取预处理后的待识别声音;
10、提取单元,被配置成对上述待识别声音进行特征提取,得到待识别声音对应的待识别特征向量;
11、输入单元,被配置成将上述待识别特征向量输入目标卷积神经网络模型,得到对应的声音类别;其中,任两种声音类别对应的口音不同;上述目标卷积神经网络模型是基于目标生成模型训练得到的;
12、遍历单元,被配置成根据上述声音类别遍历预设映射表,得到目标声音识别模型;
13、输出单元,被配置成将上述待识别声音输入至上述目标声音识别模型,输出待识别声音对应的文字。
14、根据本技术的第三方面,提供一种非瞬时性计算机可读存储介质,存储介质中存储有至少一条指令,至少一条指令由处理器加载并执行以实现上述任意一项的声音识别方法。
15、根据本技术的第四方面,提供一种电子设备,包括处理器和上述的非瞬时性计算机可读存储介质。
16、本技术至少具有以下有益效果:
17、本技术提供的声音识别方法,首先,获取预处理后的待识别声音。其次,对上述待识别声音进行特征提取,得到待识别声音对应的待识别特征向量。然后,将上述待识别特征向量输入目标卷积神经网络模型,得到对应的声音类别;其中,任两种声音类别对应的口音不同;上述目标卷积神经网络模型是基于目标生成模型训练得到的。这里,基于目标生成模型对目标卷积神经网络进行训练,以此得到的目标卷积神经网络的精度更高。基于精度较高的目标卷积神经网络将获取的待识别声音进行分类,确定不同的声音类别。然后,根据上述声音类别遍历预设映射表,得到目标声音识别模型。这里,针对不同口音的待识别声音确定不同的目标声音识别模型。最后将上述待识别声音输入至上述目标声音识别模型,输出待识别声音对应的文字。本技术在将声音转换为文字之前首先获取声音的特征向量并基于其特征向量对声音进行分类,将不同声音类别的待识别声音输入不同的声音识别模型,即对不同声音类别的待识别声音进行分类处理,每一声音类别均有对应的声音识别模型,由此,利用不同声音识别模型针对性处理不同口音的待识别声音,识别的结果的准确度更高。
本文地址:https://www.jishuxx.com/zhuanli/20240618/21714.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表