获取语音识别模型的方法、语音识别的方法及对应装置与流程

技术特征：
1.一种获取语音识别模型的方法，包括：获取训练数据，所述训练数据包括语音帧序列及其对应的文本标注，所述语音帧序列包括多于一个的语音帧；对所述语音帧序列中的各帧进行拼帧处理，得到拼帧序列；对所述拼帧序列进行降采样，得到跳帧序列；利用所述拼帧序列以及对应的文本标注训练得到第一语音识别模型；基于所述第一语音识别模型，利用所述跳帧序列以及对应的文本标注训练得到第二语音识别模型。2.根据权利要求1所述的方法，其中，所述对所述语音帧序列中的各帧进行拼帧处理，得到拼帧序列包括：将所述语音帧序列中的各帧分别与其相邻的前m个帧和后n个帧合并，得到所述拼帧序列中的各帧，所述m和n为预设的正整数。3.根据权利要求1所述的方法，其中，所述利用所述拼帧序列以及对应的文本标注训练得到第一语音识别模型包括：将所述拼帧序列的声学特征作为编码器的输入，所述编码器输出的隐向量序列作为解码器的输入，将对应的文本标注作为解码器的目标输出，训练所述编码器和所述解码器，得到包含所述编码器和所述解码器的第一语音识别模型。4.根据权利要求1所述的方法，其中，所述基于所述第一语音识别模型，利用所述跳帧序列以及对应的文本标注训练得到第二语音识别模型包括：基于所述第一语音识别模型，将所述拼帧序列的声学特征作为编码器的输入，对所述编码器输出的隐向量序列进行降采样，将降采样后得到的跳帧隐向量序列作为解码器的输入，将对应的文本标注作为所述解码器的目标输出，继续训练所述编码器和解码器，得到第三语音识别模型；基于所述第三语音识别模型，利用所述跳帧序列以及对应的文本标注训练得到第二语音识别模型。5.根据权利要求4所述的方法，其中，所述基于所述第三语音识别模型，利用所述跳帧序列以及对应的文本标注训练得到第二语音识别模型包括：基于所述第三语音识别模型，将所述跳帧序列的声学特征作为所述编码器的输入，所述编码器输出的隐向量序列作为所述解码器的输入，将对应的文本标注作为所述解码器的目标输出，继续训练所述编码器和解码器，得到所述第二语音识别模型。6.根据权利要求3、4或5所述的方法，其中，所述训练所述编码器和解码器包括：确定第一损失函数和第二损失函数，所述第一损失函数的目标是最大化输出所述文本标注的后验概率，所述第二损失函数的目标是最大化输出所述文本标注的路径概率和；利用所述第一损失函数更新所述编码器和解码器的模型参数，以及利用所述第二损失函数更新所述解码器的模型参数。7.根据权利要求6所述的方法，其中，所述第一损失函数采用交叉熵损失函数，所述第二损失函数采用连接主义时序分类ctc损失函数。8.一种语音识别的方法，包括：获取语音帧序列；
对所述语音帧序列中的各帧进行拼帧处理，得到拼帧序列；对所述拼帧序列进行降采样，得到跳帧序列；将所述跳帧序列输入第二语音识别模型，获取所述第二语音识别模型输出的文本识别结果；其中所述第二语音识别模型通过如权利要求1至6中任一项所述的方法预先训练得到。9.一种获取语音识别模型的装置，包括：第一获取单元，用于获取训练数据，所述训练数据包括语音帧序列及其对应的文本标注，所述语音帧序列包括多于一个的语音帧；第一拼帧单元，用于对所述语音帧序列中的各帧进行拼帧处理，得到拼帧序列；第一跳帧单元，用于对所述拼帧序列进行降采样，得到跳帧序列；模型训练单元，用于利用所述拼帧序列以及对应的文本标注训练得到第一语音识别模型；基于所述第一语音识别模型，利用所述跳帧序列以及对应的文本标注训练得到第二语音识别模型。10.根据权利要求9所述的装置，其中，所述第一拼帧单元，具体用于将所述语音帧序列中的各帧分别与其相邻的前m个帧和后n个帧合并，得到所述拼帧序列中的各帧，所述m和n为预设的正整数。11.根据权利要求9所述的装置，其中，所述模型训练单元包括：第一训练子单元，用于将所述拼帧序列的声学特征作为编码器的输入，所述编码器输出的隐向量序列作为解码器的输入，将对应的文本标注作为解码器的目标输出，训练所述编码器和所述解码器，得到包含所述编码器和所述解码器的第一语音识别模型。12.根据权利要求9所述的装置，其中，所述模型训练单元包括：第二训练子单元，用于基于所述第一语音识别模型，将所述拼帧序列的声学特征作为编码器的输入，对所述编码器输出的隐向量序列进行降采样，将降采样后得到的跳帧隐向量序列作为解码器的输入，将对应的文本标注作为所述解码器的目标输出，继续训练所述编码器和解码器，得到第三语音识别模型；第三训练子单元，用于基于所述第三语音识别模型，利用所述跳帧序列以及对应的文本标注训练得到第二语音识别模型。13.根据权利要求12所述的装置，其中，所述第三训练子单元，具体用于基于所述第三语音识别模型，将所述跳帧序列的声学特征作为所述编码器的输入，所述编码器输出的隐向量序列作为所述解码器的输入，将对应的文本标注作为所述解码器的目标输出，继续训练所述编码器和解码器，得到所述第二语音识别模型。14.根据权利要求11、12或13所述的装置，其中，所述模型训练单元包括的子单元在训练所述编码器和解码器时，具体用于：确定第一损失函数和第二损失函数，所述第一损失函数的目标是最大化输出所述文本标注的后验概率，所述第二损失函数的目标是最大化输出所述文本标注的路径概率和；利用所述第一损失函数更新所述编码器和解码器的模型参数，以及利用所述第二损失函数更新所述解码器的模型参数。15.根据权利要求14所述的装置，其中，所述第一损失函数采用交叉熵损失函数，所述第二损失函数采用连接主义时序分类ctc损失函数。
16.一种语音识别的装置，包括：第二获取单元，用于获取语音帧序列；第二拼帧单元，用于对所述语音帧序列中的各帧进行拼帧处理，得到拼帧序列；第二跳帧单元，用于对所述拼帧序列进行降采样，得到跳帧序列；结果获取单元，用于将所述跳帧序列输入第二语音识别模型，获取所述第二语音识别模型输出的文本识别结果；其中所述第二语音识别模型由如权利要求9至15中任一项所述的装置预先训练得到。17.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1
‑
8中任一项所述的方法。18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1
‑
8中任一项所述的方法。19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1
‑
8中任一项所述的方法。