本發(fā)明一般涉及機(jī)器學(xué)習(xí)，并且更具體地，涉及用于數(shù)據(jù)排序以生成循環(huán)神經(jīng)網(wǎng)絡(luò)換能器(rnn-t)模型的方法和系統(tǒng)。

背景技術(shù)：

1、近年來，作為將傳統(tǒng)asr系統(tǒng)的分離組件(例如，聲學(xué)、發(fā)音和語言模型)折疊到單個(gè)神經(jīng)網(wǎng)絡(luò)中的方式，用于自動(dòng)語音識(shí)別(asr)的端到端模型得到了普及。這種模型的例子包括基于連接性時(shí)間分類(ctc)的模型、循環(huán)神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換器(rnn-t)和基于注意力的seq2seq模型。在這些模型中，rnn-t是最合適的流式端到端識(shí)別器，其與傳統(tǒng)系統(tǒng)相比表現(xiàn)出了有競爭力的性能。

技術(shù)實(shí)現(xiàn)思路

1、根據(jù)本發(fā)明的一個(gè)方面，提供了一種用于準(zhǔn)備用于語音識(shí)別模型的訓(xùn)練數(shù)據(jù)的計(jì)算機(jī)實(shí)現(xiàn)的方法。該計(jì)算機(jī)實(shí)現(xiàn)的方法包括從語料庫獲取多個(gè)句子，將該多個(gè)句子中的每個(gè)音素劃分成三個(gè)隱藏狀態(tài)，針對(duì)該多個(gè)句子中的每個(gè)句子，基于該句子中的每個(gè)音素的三個(gè)隱藏狀態(tài)的持續(xù)時(shí)間的變化來計(jì)算得分，以及通過使用所計(jì)算的得分來對(duì)該多個(gè)句子進(jìn)行排序。

2、根據(jù)本發(fā)明的另一方面，提供了一種用于準(zhǔn)備用于語音識(shí)別模型的訓(xùn)練數(shù)據(jù)的計(jì)算機(jī)程序產(chǎn)品。所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)具有隨其體現(xiàn)的程序指令，所述程序指令可由計(jì)算機(jī)執(zhí)行以使所述計(jì)算機(jī)從語料庫獲取多個(gè)句子，將所述多個(gè)句子中的每個(gè)音素劃分成三個(gè)隱藏狀態(tài)，針對(duì)所述多個(gè)句子中的每個(gè)句子，基于所述句子中的每個(gè)音素的所述三個(gè)隱藏狀態(tài)的持續(xù)時(shí)間的變化來計(jì)算得分，以及通過使用所計(jì)算的得分來對(duì)所述多個(gè)句子進(jìn)行排序。

3、根據(jù)本發(fā)明的又一方面，提供了一種用于準(zhǔn)備用于語音識(shí)別模型的訓(xùn)練數(shù)據(jù)的系統(tǒng)。所述系統(tǒng)包括存儲(chǔ)器和與所述存儲(chǔ)器通信的一個(gè)或多個(gè)處理器，所述一個(gè)或多個(gè)處理器被配置為從語料庫獲取多個(gè)句子，將所述多個(gè)句子中的每個(gè)音素劃分成三個(gè)隱藏狀態(tài)，針對(duì)所述多個(gè)句子中的每個(gè)句子，基于所述句子中的每個(gè)音素的所述三個(gè)隱藏狀態(tài)的持續(xù)時(shí)間的變化來計(jì)算得分，以及通過使用所計(jì)算的得分來對(duì)所述多個(gè)句子進(jìn)行排序。

4、應(yīng)當(dāng)注意，參考不同的主題描述了示例性實(shí)施例。特別地，一些實(shí)施例是參考方法類型權(quán)利要求來描述的，而其他實(shí)施例是參考裝置類型權(quán)利要求來描述的。然而，本領(lǐng)域技術(shù)人員將從以上和以下描述中了解到，除非另外指出，除了屬于一種類型的主題的特征的任何組合之外，與不同主題相關(guān)的特征之間的任何組合，特別是方法類型權(quán)利要求的特征與裝置類型權(quán)利要求的特征之間的任何組合，也被認(rèn)為是在本文件內(nèi)描述的。

5、從以下結(jié)合附圖閱讀的對(duì)本發(fā)明的說明性實(shí)施例的詳細(xì)描述中，這些和其它特征和優(yōu)點(diǎn)將變得顯而易見。

技術(shù)特征：

1.一種用于準(zhǔn)備用于語音識(shí)別模型的訓(xùn)練數(shù)據(jù)的計(jì)算機(jī)實(shí)現(xiàn)的方法，所述方法包括：

2.根據(jù)權(quán)利要求1所述的計(jì)算機(jī)實(shí)現(xiàn)的方法，其中通過使用所述句子中的每個(gè)音素中的所述三個(gè)隱藏狀態(tài)的平均持續(xù)時(shí)間來計(jì)算每個(gè)得分。

3.根據(jù)權(quán)利要求1所述的計(jì)算機(jī)實(shí)現(xiàn)的方法，其中通過使用先前從干凈語音估計(jì)的所述句子中的每個(gè)音素中的所述三個(gè)隱藏狀態(tài)中的每個(gè)隱藏狀態(tài)的持續(xù)時(shí)間來計(jì)算每個(gè)得分。

4.根據(jù)前述權(quán)利要求中任一項(xiàng)所述的計(jì)算機(jī)實(shí)現(xiàn)的方法，其中當(dāng)來自干凈語音的統(tǒng)計(jì)數(shù)據(jù)不可用時(shí)，所述得分是音素?zé)o關(guān)的均勻度得分。

5.根據(jù)權(quán)利要求4所述的計(jì)算機(jī)實(shí)現(xiàn)的方法，其中所述音素?zé)o關(guān)的均勻度得分為：

6.根據(jù)前述權(quán)利要求中任一項(xiàng)所述的計(jì)算機(jī)實(shí)現(xiàn)的方法，其中當(dāng)來自干凈語音的統(tǒng)計(jì)數(shù)據(jù)可用時(shí)，所述得分是音素相關(guān)的均勻度得分。

7.根據(jù)權(quán)利要求6所述的計(jì)算機(jī)實(shí)現(xiàn)的方法，其中所述音素相關(guān)的均勻度得分被給出為：

8.一種用于為語音識(shí)別模型準(zhǔn)備訓(xùn)練數(shù)據(jù)的計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括具有隨其體現(xiàn)的程序指令的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述程序指令可由計(jì)算機(jī)執(zhí)行以使所述計(jì)算機(jī)：

9.根據(jù)權(quán)利要求8所述的計(jì)算機(jī)程序產(chǎn)品，其中通過使用所述句子中的每個(gè)音素中的所述三個(gè)隱藏狀態(tài)的平均持續(xù)時(shí)間來計(jì)算每個(gè)得分。

10.根據(jù)權(quán)利要求8所述的計(jì)算機(jī)程序產(chǎn)品，其中通過使用先前從干凈語音估計(jì)的所述句子中的每個(gè)音素中的所述三個(gè)隱藏狀態(tài)中的每一個(gè)的持續(xù)時(shí)間來計(jì)算每個(gè)得分。

11.根據(jù)權(quán)利要求8至10中任一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品，其中當(dāng)來自干凈語音的統(tǒng)計(jì)數(shù)據(jù)不可用時(shí)，所述得分是音素?zé)o關(guān)的均勻度得分。

12.根據(jù)權(quán)利要求11所述的計(jì)算機(jī)程序產(chǎn)品，其中所述音素?zé)o關(guān)的均勻度得分為：

13.根據(jù)權(quán)利要求8至12中任一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品，其中當(dāng)來自干凈語音的統(tǒng)計(jì)數(shù)據(jù)可用時(shí)，所述得分是音素相關(guān)的均勻度得分。

14.根據(jù)權(quán)利要求13所述的計(jì)算機(jī)程序產(chǎn)品，其中所述音素相關(guān)的均勻度得分被給出為：

15.一種用于準(zhǔn)備用于語音識(shí)別模型的訓(xùn)練數(shù)據(jù)的系統(tǒng)，所述系統(tǒng)包括：

16.根據(jù)權(quán)利要求15所述的系統(tǒng)，其中通過使用所述句子中的每個(gè)音素中的所述三個(gè)隱藏狀態(tài)的平均持續(xù)時(shí)間來計(jì)算每個(gè)得分。

17.根據(jù)權(quán)利要求15所述的系統(tǒng)，其中通過使用先前從干凈語音估計(jì)的所述句子中的每個(gè)音素中的所述三個(gè)隱藏狀態(tài)中的每一個(gè)的持續(xù)時(shí)間來計(jì)算每個(gè)得分。

18.根據(jù)權(quán)利要求15至17中任一項(xiàng)所述的系統(tǒng)，其中當(dāng)來自干凈語音的統(tǒng)計(jì)數(shù)據(jù)不可用時(shí)，所述得分是音素?zé)o關(guān)的均勻度得分。

19.根據(jù)權(quán)利要求18所述的系統(tǒng)，其中所述音素?zé)o關(guān)的均勻度得分為：

20.根據(jù)權(quán)利要求15至19中任一項(xiàng)所述的系統(tǒng)，其中當(dāng)來自干凈語音的統(tǒng)計(jì)數(shù)據(jù)可用時(shí)，所述得分是音素相關(guān)的均勻度得分，所述音素相關(guān)的均勻度得分被給出為：

21.一種計(jì)算機(jī)程序，包括程序代碼裝置，當(dāng)所述程序在計(jì)算機(jī)上運(yùn)行時(shí)，所述程序代碼裝置適于執(zhí)行權(quán)利要求1至7中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
提供了一種用于準(zhǔn)備用于語音識(shí)別模型的訓(xùn)練數(shù)據(jù)的計(jì)算機(jī)實(shí)現(xiàn)的方法，包括：從語料庫獲取多個(gè)句子；將所述多個(gè)句子中的每個(gè)音素劃分成三個(gè)隱藏狀態(tài)；針對(duì)所述多個(gè)句子中的每個(gè)句子，基于所述句子中的每個(gè)音素的所述三個(gè)隱藏狀態(tài)的持續(xù)時(shí)間的變化來計(jì)算得分；以及通過使用所計(jì)算的得分來對(duì)所述多個(gè)句子進(jìn)行排序。

技術(shù)研發(fā)人員：福田隆,長野徹
受保護(hù)的技術(shù)使用者：國際商業(yè)機(jī)器公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/17