本發(fā)明涉及語音識(shí)別，具體而言，涉及一種語音識(shí)別方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)。
背景技術(shù)：
1、現(xiàn)有技術(shù)中噪聲是影響語音識(shí)別系統(tǒng)準(zhǔn)確性和魯棒性的關(guān)鍵因素，許多語音識(shí)別模型在處理攜帶噪聲的音頻數(shù)據(jù)時(shí)表現(xiàn)不佳，導(dǎo)致識(shí)別錯(cuò)誤率增加，特別是在嘈雜環(huán)境下，語音信號(hào)中的噪聲干擾可能掩蓋語音信息，影響特征提取和模型性能，因此亟需一種有效的方法來處理攜帶噪聲的語音數(shù)據(jù)，以提升語音識(shí)別系統(tǒng)的準(zhǔn)確性和魯棒性。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的目的在于提供一種語音識(shí)別方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，以改善上述問題。為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案如下：
2、第一方面，本申請(qǐng)?zhí)峁┝艘环N語音識(shí)別方法，包括：
3、獲取歷史音頻數(shù)據(jù)，所述歷史音頻數(shù)據(jù)包括攜帶有噪聲的歷史語音數(shù)據(jù)和未攜帶噪聲的歷史語音數(shù)據(jù)；
4、將攜帶有噪聲的歷史語音數(shù)據(jù)輸入預(yù)設(shè)的處理模型中進(jìn)行預(yù)處理，得到處理后的語音數(shù)據(jù)；
5、對(duì)處理后的語音數(shù)據(jù)和未攜帶噪聲的歷史語音數(shù)據(jù)進(jìn)行特征提取，分別得到第一語音特征和第二語音特征；
6、計(jì)算所述第一語音特征和所述第二語音特征的相似度，當(dāng)相似度大于第一設(shè)定閾值時(shí)，將預(yù)設(shè)的目標(biāo)音頻數(shù)據(jù)輸入所述預(yù)處理模型中進(jìn)行預(yù)處理，得到目標(biāo)語音數(shù)據(jù)，所述目標(biāo)音頻數(shù)據(jù)為待識(shí)別的音頻數(shù)據(jù)；
7、將所述目標(biāo)語音數(shù)據(jù)輸入預(yù)設(shè)的語音識(shí)別模型進(jìn)行語音識(shí)別，得到語音識(shí)別結(jié)果。
8、第二方面，本申請(qǐng)還提供了一種語音識(shí)別裝置，包括：
9、第一獲取單元，用于獲取歷史音頻數(shù)據(jù)，所述歷史音頻數(shù)據(jù)包括攜帶有噪聲的歷史語音數(shù)據(jù)和未攜帶噪聲的歷史語音數(shù)據(jù)；
10、第一輸入單元，用于將攜帶有噪聲的歷史語音數(shù)據(jù)輸入預(yù)設(shè)的處理模型中進(jìn)行預(yù)處理，得到處理后的語音數(shù)據(jù)；
11、提取單元，用于對(duì)處理后的語音數(shù)據(jù)和未攜帶噪聲的歷史語音數(shù)據(jù)進(jìn)行特征提取，分別得到第一語音特征和第二語音特征；
12、第一計(jì)算單元，用于計(jì)算所述第一語音特征和所述第二語音特征的相似度，當(dāng)相似度大于第一設(shè)定閾值時(shí)，將預(yù)設(shè)的目標(biāo)音頻數(shù)據(jù)輸入所述預(yù)處理模型中進(jìn)行預(yù)處理，得到目標(biāo)語音數(shù)據(jù)，所述目標(biāo)音頻數(shù)據(jù)為待識(shí)別的音頻數(shù)據(jù)；
13、第二輸入單元，用于將所述目標(biāo)語音數(shù)據(jù)輸入預(yù)設(shè)的語音識(shí)別模型進(jìn)行語音識(shí)別，得到語音識(shí)別結(jié)果。
14、第三方面，本申請(qǐng)還提供了一種語音識(shí)別設(shè)備，包括：
15、存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)程序；
16、處理器，用于執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)所述語音識(shí)別方法的步驟。
17、第四方面，本申請(qǐng)還提供了一種可讀存儲(chǔ)介質(zhì)，所述可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述語音識(shí)別方法的步驟。
18、本發(fā)明的有益效果為：
19、本發(fā)明通過將攜帶噪聲的歷史語音數(shù)據(jù)輸入模型進(jìn)行預(yù)處理，并將處理后的數(shù)據(jù)與未攜帶噪聲的歷史語音數(shù)據(jù)進(jìn)行特征比對(duì)，持續(xù)優(yōu)化模型的參數(shù)和算法，使得訓(xùn)練得到的預(yù)處理模型能夠更有效地識(shí)別和去除噪聲干擾，為后續(xù)的語音識(shí)別模型提供更清晰、準(zhǔn)確的輸入信號(hào)，確保只有高質(zhì)量的語音數(shù)據(jù)進(jìn)入識(shí)別流程，顯著提高語音識(shí)別模型的識(shí)別準(zhǔn)確性。
20、本發(fā)明的其他特征和優(yōu)點(diǎn)將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明實(shí)施例了解。
1.一種語音識(shí)別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的語音識(shí)別方法，其特征在于,對(duì)處理后的語音數(shù)據(jù)和未攜帶噪聲的歷史語音數(shù)據(jù)進(jìn)行特征提取，分別得到第一語音特征和第二語音特征，包括：
3.根據(jù)權(quán)利要求2所述的語音識(shí)別方法，其特征在于,對(duì)所有目標(biāo)聚類集合中的子音頻數(shù)據(jù)進(jìn)行特征提取，并將提取到的多個(gè)特征進(jìn)行聚合處理，得到所述第一語音特征，包括：
4.根據(jù)權(quán)利要求1所述的語音識(shí)別方法，其特征在于,構(gòu)建所述語音識(shí)別模型，包括：
5.根據(jù)權(quán)利要求4所述的語音識(shí)別方法，其特征在于,基于混沌映射對(duì)麻雀種群位置初始化，獲得多個(gè)初始位置參數(shù)，包括：
6.根據(jù)權(quán)利要求5所述的語音識(shí)別方法，其特征在于,初始位置參數(shù)計(jì)算公式為：
7.根據(jù)權(quán)利要求4所述的語音識(shí)別方法，其特征在于,發(fā)現(xiàn)者的位置更新公式為：
8.一種語音識(shí)別裝置，其特征在于，包括：
9.根據(jù)權(quán)利要求8所述的語音識(shí)別裝置，其特征在于，所述提取單元包括：
10.根據(jù)權(quán)利要求9所述的語音識(shí)別裝置，其特征在于，所述聚合單元包括：