用于自动语音识别的字词网格扩增的制作方法

技术特征：
1.一种由一个或多个处理器实现的方法，所述方法包括：使用自动语音识别引擎来生成捕获的音频数据的文本表示，其中，生成所述捕获的音频数据的所述文本表示包括：生成对应于所述捕获的音频数据的字词网格，其中，所述字词网格是表示所述捕获的音频数据的候选识别的无环图；基于载体短语在所述字词网格中的位置来确定所述字词网格中的扩增位置；从候选上下文相关命名实体集合中选择上下文相关命名实体以插入到所述字词网格的所述扩增位置，其中，所述上下文相关命名实体是一部分所述捕获的音频数据的附加候选识别；通过将所选择的上下文相关命名实体插入到所述扩增位置处来扩增所述字词网格；以及处理所扩增的字词网格以确定所述捕获的音频数据的所述文本表示。2.根据权利要求1所述的方法，其中，基于所述载体短语在所述字词网格中的位置来确定所述字词网格中的所述扩增位置包括：使用语义模式有限状态转换器来处理所述字词网格以确定所述载体短语在所述字词网格中的位置。3.根据前述权利要求中的任何项所述的方法，其中，从所述候选上下文相关命名实体集合中选择所述上下文相关命名实体以插入到所述字词网格的所述扩增位置包括：确定对应于所述扩增位置处的字词网格的候选音素序列集合；以及通过将所述候选上下文相关命名实体集合中的候选上下文相关命名实体的音素表示与所述候选音素序列集合中的候选音素序列进行匹配来选择所述上下文相关命名实体。4.根据权利要求3所述的方法，其中，确定对应于所述扩增位置处的字词网格的所述候选音素序列集合包括:确定对应于所述扩增位置处的字词网格的所述候选音素序列集合，而无需确定所述字词网格中的在所述扩增位置前的字词的候选音素。5.根据权利要求3或4所述的方法，其中，确定对应于所述扩增位置处的字词网格的所述候选音素序列集合包括:对于所述候选音素序列集合中的每个音素：确定所述音素是否具有一个或多个声学上相似的音素；以及响应于确定所述音素具有一个或多个声学上相似的音素，插入所述一个或多个声学上相似的音素作为所述候选音素序列集合中的一个或多个附加序列路径。6.根据权利要求3、4或5所述的方法，其中，确定对应于所述扩增位置处的字词网格的所述候选音素序列集合包括:对于所述候选音素序列集合中的每个候选音素序列：插入一个或多个经编辑的音素序列作为所述候选音素序列集合中的附加序列路径，其中，每个经编辑的音素序列与所述候选音素序列相距限定的距离。7.根据前述权利要求中的任何项所述的方法，其中，生成对应于所述捕获的音频数据的字词网格包括：使用所述自动语音识别引擎的第一通解码部分来生成对应于所述捕获的音频数据的字词网格。
8.根据前述权利要求中的任何项所述的方法，其中，处理所扩增的字词网格以确定所述捕获的音频数据的文本表示包括：使用所述自动语音识别引擎的第二通重评分部分来处理所述字词网格；以及使用命名实体引擎来处理所扩增的字词网格。9.根据前述权利要求中的任何项所述的方法，其中，所述上下文相关命名实体是地点、事件或人物。10.根据前述权利要求中的任何项所述的方法，其中，使用训练实例集合来训练所述自动语音识别引擎，并且其中，所述上下文相关命名实体不在所述训练实例集合中。11.根据前述权利要求中的任何项所述的方法，其中，使用训练实例集合来训练所述自动语音识别引擎，并且其中，所述上下文相关命名实体在所述训练实例集合中的出现次数低于阈值。12.根据前述权利要求中的任何项所述的方法，进一步包括：基于与用户简档相关联地存储的候选上下文相关命名实体集合来标识所述候选上下文相关命名实体集合。13.一种包括指令的计算机程序，所述指令在被计算系统的一个或多个处理器执行时使所述计算系统执行根据前述权利要求中的任何项所述的方法。14.一种计算系统，所述计算系统被配置成执行根据权利要求1至12中的任一项所述方法。15.一种存储有指令的计算机可读存储介质，所述指令能够被计算系统的一个或多个处理器执行以执行根据权利要求1至12中的任一项所述的方法。

技术总结
公开了能够确定捕获的音频数据中的命名实体的文本表示的语音处理技术。各种实施方式包括确定载体短语在捕获的音频数据的字词网格表示中的位置，其中该载体短语提供命名实体的指示。附加或替代的实施方式包括将候选命名实体与一部分字词网格相匹配，并用相匹配的候选命名实体扩增字词网格。选命名实体扩增字词网格。选命名实体扩增字词网格。


技术研发人员：列昂尼德
受保护的技术使用者：谷歌有限责任公司
技术研发日：2019.06.27
技术公布日：2021/11/5