技术特征:
1.一种语音识别方法,其特征在于,所述方法包括:
获取待处理语音数据流,所述待处理语音数据流包含多个语音单元数据;
通过集成神经网络依次将多个所述语音单元数据进行编码,并在得到任意一所述语音单元数据的编码数据之后,实时将所述编码数据输入至与所述集成神经网络分开部署的解码器进行解码,以得到多个所述语音单元数据的语音识别结果。
2.如权利要求1所述的方法,其特征在于,所述通过集成神经网络依次将多个所述语音单元数据进行编码,包括:
提取多个所述语音单元数据的语音标识信息和位置信息;
将所述语音标识信息和所述位置信息进行组合,得到多个所述语音单元数据的语音单元特征;
通过集成神经网络依次将多个所述语音单元特征进行编码。
3.如权利要求2所述的方法,其特征在于,所述通过集成神经网络依次将多个所述语音单元特征进行编码,包括:
将第i个所述语音单元特征输入至所述集成神经网络进行编码,其中i的初始值为1,i为正整数;
当得到所述集成神经网络输出的第i个所述语音单元特征的编码数据时,令i=i 1,再次执行所述将第i个所述语音单元特征输入至所述集成神经网络进行编码的操作。
4.如权利要求1所述的方法,其特征在于,当所述集成神经网络部署于客户端,则所述解码器部署于服务器,或者当所述集成神经网络部署于cpu,则所述解码器部署于gpu。
5.如权利要求1所述的方法,其特征在于,所述解码器的数量为多个,所述将所述编码数据输入至与所述集成神经网络分开部署的解码器进行解码包括:
根据分配算法从多个所述解码器中确定目标解码器;
将所述编码数据输入至所述目标解码器进行解码。
6.如权利要求1所述的方法,其特征在于,所述集成神经网络为transformer模型中的编码单元,所述解码器为所述transformer模型中的解码单元。
7.如权利要求5所述的方法,其特征在于,所述根据分配算法从多个所述解码器中确定目标解码器,包括:
检测各个所述解码器的网络传输状态、负载量和历史处理状况;
将所述网络传输状态、所述负载量和所述历史处理状况输入至已训练的马尔可夫模型,得到各个所述解码器的处理速度预测值;
获取所述编码数据对应的语音单元数据的处理优先级;
根据所述处理优先级和所述处理速度预测值确定目标解码器。
8.一种语音识别装置,其特征在于,所述装置包括:
语音数据获取模块,用于获取待处理语音数据流,所述待处理语音数据流包含多个语音单元数据;
语音识别模块,用于通过集成神经网络依次将多个所述语音单元数据进行编码,并在得到任意一所述语音单元数据的编码数据之后,实时将所述编码数据输入至与所述集成神经网络分开部署的解码器进行解码,以得到多个所述语音单元数据的语音识别结果。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1至7中任意一项所述的语音识别方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的语音识别方法的步骤。
技术总结
本申请涉及人工智能技术领域,揭露了一种语音识别方法,所述方法包括:获取待处理语音数据流,所述待处理语音数据流包含多个语音单元数据;通过集成神经网络依次将多个所述语音单元数据进行编码,并在得到任意一所述语音单元数据的编码数据之后,实时将所述编码数据输入至与所述集成神经网络分开部署的解码器进行解码,以得到多个所述语音单元数据的语音识别结果。此外,本申请还涉及一种语音识别装置、电子设备及存储介质。本申请可以提高语音识别的速度。
技术研发人员:陈诚;黄石磊;程刚
受保护的技术使用者:深圳市北科瑞声科技股份有限公司
技术研发日:2021.06.15
技术公布日:2021.08.13
本文用于企业家、创业者技术爱好者查询,结果仅供参考。