[发明专利]一种声学模型训练方法和装置、计算机设备、存储介质有效
| 申请号： | 201710458720.6 | 申请日： | 2017-06-16 |
| 公开（公告）号： | CN107240395B | 公开（公告）日： | 2020-04-28 |
| 发明（设计）人： | 黄斌;彭一平;李先刚 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G10L15/06 | 分类号： | G10L15/06 |
| 代理公司： | 北京品源专利代理有限公司 11332 | 代理人： | 孟金喆 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种声学模型训练方法和装置、计算机设备、存储介质，其中方法包括：获取有监督语音数据和无监督语音数据，其中，有监督语音数据为带有人工标注的语音数据，无监督语音数据为带有机器标注的语音数据；从所述有监督语音数据和无监督语音数据中提取语音特征；利用深度学习的网络结构，对所述有监督语音数据和无监督语音数据的语音特征分别进行有监督学习任务和无监督学习任务的多任务学习，以训练并获得声学模型。本发明实施例基于多任务学习的半监督声学模型训练，节省了声学模型训练所需的人工标注语音数据的成本，也无需购买价格昂贵的人工标注语音数据，并且可以持续提升语音识别的性能。 | ||
| 搜索关键词： | 一种 声学 模型 训练 方法 装置 计算机 设备 存储 介质 | ||
【主权项】：
一种声学模型训练方法，其特征在于，包括：获取有监督语音数据和无监督语音数据，其中，有监督语音数据为带有人工标注的语音数据，无监督语音数据为带有机器标注的语音数据；从所述有监督语音数据和无监督语音数据中提取语音特征；利用深度学习的网络结构，对所述有监督语音数据和无监督语音数据的语音特征分别进行有监督学习任务和无监督学习任务的多任务学习，以训练并获得声学模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710458720.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种加气块的双重切割装置
- 下一篇：一种混凝土喷淋养生系统
