-
公开(公告)号：CN105187656B
公开(公告)日：2018-09-07
申请号：CN201510613491.1
申请日：2015-09-23
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明公开了一种通讯录联系人匹配方法和装置，其中，通讯录联系人匹配方法包括：获取用户发送的语音信息，并将语音信息识别为文本信息；将文本信息转换为第一音子序列，并根据第一音子序列生成第一状态序列；获取通讯录中的多个联系人信息；分别将多个联系人信息转换为对应的第二音子序列，并根据第二音子序列生成第二状态序列；计算第一状态序列与多个第二状态序列的相似度，并根据相似度对多个第二状态序列进行排序，以及将排名前N名的第二状态序列对应的联系人信息反馈给用户。本发明实施例的通讯录联系人匹配方法和装置，提高了用户语音搜索联系人姓名的准确率。
-
公开(公告)号：CN104392716B
公开(公告)日：2017-10-13
申请号：CN201410645715.2
申请日：2014-11-12
Applicant: 百度在线网络技术(北京)有限公司
IPC: G10L13/027 , G10L13/08
Abstract: 本发明实施例公开了一种高表现力的语音合成方法和装置。所述高表现力的语音合成方法包括：将输入文本进行处理分析，得到所述输入文本对应的音子序列以及所述音子序列中音子包含的状态的上下文；根据所述状态的上下文，基于维特比算法从所述状态对应的包含至少两个高斯声学模型的高斯混合声学模型中选择一个高斯声学模型，作为合成语音的高斯声学模型；根据所选择的高斯声学模型生成声学参数，并根据生成的声学参数合成语音，包括利用声码器将声学参数来合成语音或者用声学参数指导声学片段的单元挑选来生成语音。本发明实施例提供的高表现力的语音合成方法和装置提高了合成语音的自然度。
-
公开(公告)号：CN105118502B
公开(公告)日：2017-05-10
申请号：CN201510413643.3
申请日：2015-07-14
Applicant: 百度在线网络技术(北京)有限公司
IPC: G10L15/04 , G10L15/02 , G10L15/16 , G10L21/0208
Abstract: 本发明提出一种语音识别系统的端点检测方法及系统，其中，该方法包括：基于长短时记忆神经网络训练声学识别模型；通过预设语音端点检测算法初步识别出待识别语音信号的语音端点；分帧提取待识别语音信号的语音特征信息，并将语音特征信息输入声学识别模型，以使声学识别模型根据语音特征信息生成待识别语音信号的声学识别结果；以及根据声学识别结果对初步识别出的语音端点进行调整。本发明实施例的语音识别系统的端点检测方法，提供了一种通过声学识别结果对初步识别出的语音端点进行调整的端点检测方式，准确定位了待识别语音信号的语音端点，提高了语音端点检测的准确率，进而可提高语音识别的准确性，提高语音识别系统的性能。
-
公开(公告)号：CN105161095B
公开(公告)日：2017-03-22
申请号：CN201510455696.1
申请日：2015-07-29
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明公开了一种语音识别语法树的构图方法及装置，其中所述方法包括：确定与应用场景对应的槽，且为每个槽赋予对应的至少一个字词；根据预定语法路径中的槽顺序和槽对应的字词，形成语法语句，并解析语法语句中字词的语音，确定对应的声学模型；根据所述应用场景的预定语法路径中的槽构建语法树，其中，槽与语法树中的节点对应，且节点中存储该槽的槽索引，所述槽索引用于索引对应字词的声学模型存储位置。本发明实施例只需要确定与应用场景对应的槽，为每个槽赋予对应的至少一个字词槽中，通过构建与槽对应的语法树，在节点中存储该槽的槽索引，从而完成构图过程，能够大大节约内存空间和构图消耗时间。
-
公开(公告)号：CN103294666B
公开(公告)日：2017-03-01
申请号：CN201310203987.2
申请日：2013-05-28
Applicant: 百度在线网络技术(北京)有限公司
CPC classification number: G06F17/274 , G06F8/42 , G06F8/427 , G06F17/271 , G06F17/2785
Abstract: 本发明提供了一种语法编译方法、语义解析方法以及对应装置，按照语义的常用语句表达采用基于逻辑语法直观语言（LGML）预先定义对应的语法描述文件和词类描述文件，在语法描述文件中由词类、操作符和函数构成常用语句的描述，词类描述文件用于描述词类的具体取值；将语法描述文件和词类描述文件分别按照预设顺序的归约方法生成语法描述文件的语法树和词类描述文件的词类树，将词类树挂接在语法树中对应词类的位置，形成语义的语法树，从而实现语法编译。基于该方式建立的语义的语法树，采用整句匹配、语义映射匹配或者整句匹配和语义映射匹配相结合的方式进行语义解析。
-
Patent Agency Ranking
公开(公告)号：CN103680496B
公开(公告)日：2016-08-10
申请号：CN201310704701.9
申请日：2013-12-19
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明公开了一种基于深层神经网络的声学模型训练方法、主机和系统。所述基于深层神经网络的声学模型方法包括：算主机从主控主机获取原始深层神经网络的副本深层神经网络；所述运算主机基于训练数据对副本深层神经网络进行训练，且按照设定规律进入停止状态；当所述运算主机处于停止状态时，将所述副本深层神经网络的加权参数的变化量提供给所述主控主机；所述运算主机接收所述主控主机发送的原始深层神经网络的加权参数绝对值，并根据加权参数绝对值更新副本深层神经网络的加权参数。本发明公开的声学模型训练方法、主机和系统利用多台主机异步、并行的进行深层神经网络训练，大幅提高了深层神经网络训练的效率。
-
公开(公告)号：CN105551483A
公开(公告)日：2016-05-04
申请号：CN201510920809.0
申请日：2015-12-11
Applicant: 百度在线网络技术(北京)有限公司
IPC: G10L15/06
Abstract: 本发明提出一种语音识别的建模方法和装置，上述语音识别的建模方法包括：将语音信号转化成特征向量序列，以及将所述语音信号对应的标注文本转化成建模单元序列，所述建模单元序列中的每个建模单元为完整的声母或韵母的发音单元或者上下文相关的声母或韵母的发音单元；在所述建模单元序列中的任意建模单元的前面或后面添加空白标签；基于连接时序分类对所述特征向量序列和添加所述空白标签后的建模单元序列进行训练，建立语音识别模型。本发明基于CTC的深度循环神经网络的声韵母建模，提高了建立的语音识别模型的识别速度和识别准确率。
-
公开(公告)号：CN105513591A
公开(公告)日：2016-04-20
申请号：CN201510967532.7
申请日：2015-12-21
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明公开了一种利用长短时记忆(LSTM)循环神经网络模型进行语音识别的方法和装置，其中方法包括：接收第t时刻的语音输入数据；根据预设规则选择第t-1时刻至第t-n时刻的LSTM隐含层状态，其中，n为正整数；根据选择的至少一个LSTM隐含层状态、第t时刻的输入数据、以及LSTM循环神经网络模型生成第t时刻的LSTM结果。该方法和装置可以很好地解决深度循环神经网络的“余尾效应”，提高了语音识别的准确性。
-
公开(公告)号：CN105187656A
公开(公告)日：2015-12-23
申请号：CN201510613491.1
申请日：2015-09-23
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明公开了一种通讯录联系人匹配方法和装置，其中，通讯录联系人匹配方法包括：获取用户发送的语音信息，并将语音信息识别为文本信息；将文本信息转换为第一音子序列，并根据第一音子序列生成第一状态序列；获取通讯录中的多个联系人信息；分别将多个联系人信息转换为对应的第二音子序列，并根据第二音子序列生成第二状态序列；计算第一状态序列与多个第二状态序列的相似度，并根据相似度对多个第二状态序列进行排序，以及将排名前N名的第二状态序列对应的联系人信息反馈给用户。本发明实施例的通讯录联系人匹配方法和装置，提高了用户语音搜索联系人姓名的准确率。
-
公开(公告)号：CN105161095A
公开(公告)日：2015-12-16
申请号：CN201510455696.1
申请日：2015-07-29
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明公开了一种语音识别语法树的构图方法及装置，其中所述方法包括：确定与应用场景对应的槽，且为每个槽赋予对应的至少一个字词；根据预定语法路径中的槽顺序和槽对应的字词，形成语法语句，并解析语法语句中字词的语音，确定对应的声学模型；根据所述应用场景的预定语法路径中的槽构建语法树，其中，槽与语法树中的节点对应，且节点中存储该槽的槽索引，所述槽索引用于索引对应字词的声学模型存储位置。本发明实施例只需要确定与应用场景对应的槽，为每个槽赋予对应的至少一个字词槽中，通过构建与槽对应的语法树，在节点中存储该槽的槽索引，从而完成构图过程，能够大大节约内存空间和构图消耗时间。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.037 seconds)
