-
公开(公告)号：CN115062633B
公开(公告)日：2025-05-13
申请号：CN202210688236.3
申请日：2022-06-16
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
IPC: G06F40/58 , G06F40/30 , G06F40/289
Abstract: 本发明提供一种平行句对构建方法、装置、电子设备和存储介质，其中方法包括：获取第一语句和第二语句，第一语句和第二语句对应不同语种；基于跨语种语言模型，确定第一语句的第一语义特征和第二语句的第二语义特征，跨语种语言模型是基于第一样本语句中各分词与第二样本语句中各分词之间的词义关系训练得到的，第一样本语句和第二样本语句对应不同语种；基于第一语义特征和第二语义特征之间的相似度，构建平行句对，本发明实施例中，应用不同语种的样本语句各自包含的分词之间的词义关系，进行模型训练，能够使训练所得的模型性能更优，在面向稀缺资源语言时，提升了句子嵌入的准确度，精进了平行句对的构建过程，实现了平行句对构建质量的提升。
-
公开(公告)号：CN112951209B
公开(公告)日：2023-12-01
申请号：CN202110110872.3
申请日：2021-01-27
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
Abstract: 本申请提供了一种语音识别方法、装置、设备及计算机可读存储介质，其中，语音识别方法包括：基于预先建立的语音识别模型，依次获取待识别语音中每个语音帧对应的特征向量；在每获得一语音帧对应的特征向量后，基于语音识别模型、当前获得的特征向量和前一解码位置对应的识别结果，确定当前获得的特征向量处是否为解码位置；若是，则基于语音识别模型、当前获得的特征向量和当前获得的特征向量之前的所有特征向量，确定当前解码位置对应的识别结果。本申请提供的语音识别方法可实现实时流式解
-
公开(公告)号：CN105845128B
公开(公告)日：2020-01-03
申请号：CN201610214520.1
申请日：2016-04-06
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种基于动态剪枝束宽预测的语音识别效率优化方法，该方法针对传统语音解码剪枝算法中存在较多冗余路径，以及已有改进算法中剪枝有效性不足问题，提出基于声学特征进行动态剪枝束宽的预测思路，并根据实现复杂度的不同，提出两种具体的建模方式和相应的参数估计训练方法，从而提高了语音识别解码效率。
-
公开(公告)号：CN105845128A
公开(公告)日：2016-08-10
申请号：CN201610214520.1
申请日：2016-04-06
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种基于动态剪枝束宽预测的语音识别效率优化方法，该方法针对传统语音解码剪枝算法中存在较多冗余路径，以及已有改进算法中剪枝有效性不足问题，提出基于声学特征进行动态剪枝束宽的预测思路，并根据实现复杂度的不同，提出两种具体的建模方式和相应的参数估计训练方法，从而提高了语音识别解码效率。
-
公开(公告)号：CN112668345B
公开(公告)日：2024-06-04
申请号：CN202011552924.4
申请日：2020-12-24
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
IPC: G06F40/58 , G06F40/42 , G06F40/216 , G06F40/253 , G06N3/0442 , G06N3/08
Abstract: 本申请公开了一种语法缺陷数据识别模型构建方法和语法缺陷数据识别方法，该构建方法包括：在获取到第一训练源文本、第一标准翻译文本及其对应的第一实际识别结果、和第一语法缺陷翻译文本及其对应的第二实际识别结果后，将第一训练源文本、第一标准翻译文本和第一语法缺陷翻译文本输入第一模型，得到第一标准翻译文本对应的第一预测识别结果和第一语法缺陷翻译文本对应的第二预测识别结果；再根据第一预测识别结果、第二预测识别结果、第一实际识别结果和第二实际识别结果更新第一模型，并返回执行将第一训练源文本、第一标准翻译文本和第一语法缺陷翻译文本输入第一模型的步骤，直至在达到第一停止条件时根据第一模型构建语法缺陷数据识别模型。
-
Patent Agency Ranking
公开(公告)号：CN113838456B
公开(公告)日：2024-05-31
申请号：CN202111141351.0
申请日：2021-09-28
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
IPC: G10L15/02 , G10L15/06 , G10L15/183
Abstract: 本申请提出一种音素提取方法、语音识别方法、装置、电子设备及存储介质，该方法包括：根据待识别语音的当前待识别语音单元的声学特征，以及所述待识别语音的已识别语音单元的识别结果，预测与所述当前待识别语音单元对应的音素序列；至少根据所述当前待识别语音单元对应的音素序列，对所述当前待识别语音单元进行语音识别，得到对应所述当前待识别语音单元的语音识别结果。采用上述的技术方案，能够显著提高端侧离线语音识别的识别效果。
-
公开(公告)号：CN112686059B
公开(公告)日：2024-04-16
申请号：CN202011593142.5
申请日：2020-12-29
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
Abstract: 本发明提供一种文本翻译方法、装置、电子设备和存储介质，其中方法包括：确定源语言文本，以及与源语言文本相匹配的翻译文本对；将源语言文本以及翻译文本对输入至机器翻译模型，得到机器翻译模型输出的目标语言文本；机器翻译模型是基于样本源语言文本、与样本源语言文本相匹配的样本翻译文本对，以及样本源语言文本的样本目标语言文本训练得到的。本发明提供的方法、装置、电子设备和存储介质，机器翻译模型能够将翻译文本对的信息作为对源语言文本进行翻译的参考，从而优化翻译效果。且无需重新对机器翻译模型进行迭代优化，且当实际场景发生变化时，仅需累积实际场景变化后的翻译文本对即可保证机器翻译及时满足场景变化需求。
-
公开(公告)号：CN113204978A
公开(公告)日：2021-08-03
申请号：CN202110523435.4
申请日：2021-05-13
Applicant: 中国科学技术大学
IPC: G06F40/58 , G06F40/211 , G06F40/216 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种机器翻译增强训练方法及系统，其方法包括：S1：获取训练数据，训练数据包括：源端句子和目标端句子；S2：分别使用源端句子和目标端句子训练源端语言模型和目标端语言模型；S3：随机选择源端句子中子词，并根据源端句子构造移位后的句子，输入源端语言模型，对移位后的句子中对应的子词进行预测，根据预测结果进行加权求和，实现对源端句子的增强；S4：根据源端句子和目标端句子的注意力权重分布，并根据源端句子中子词替换目标端句子中对应子词，利用语言模型和神经机器翻译模型联合预测结果，以实现对目标端句子的增强。本发明通过对平行训练数据进行加噪和增强，从而提升低资源条件下神经机器翻译模型的训练效果和鲁棒性。
-
公开(公告)号：CN113724689B
公开(公告)日：2024-04-30
申请号：CN202110910287.1
申请日：2021-08-09
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
Abstract: 本申请公开了一种语音识别方法及相关装置、电子设备、存储介质，其中，语音识别方法包括：获取若干音频帧的语义特征表示；利用语音识别模型对若干音频帧的语义特征表示进行识别，得到若干音频帧对应的识别文本；其中，语音识别模型采用注意力机制，且注意力机制的掩膜是基于语音识别要求的时延而生成的。上述方案，能够降低不同时延要求下语音识别的复杂度和成本。
-
公开(公告)号：CN113409792B
公开(公告)日：2024-02-13
申请号：CN202110694320.1
申请日：2021-06-22
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
Abstract: 本申请公开了一种语音识别方法及其相关设备，该方法包括：在获取到当前语音段和该当前语音段对应的参考语音后，先依据待使用状态数据和该当前语音段对应的参考语音，对该当前语音段进行编码处理，得到该当前语音段的语音编码和该当前语音段的编码状态数据；再对该当前语音段的语音编码进行解码处理，得到该当前语音段对应的语音文本，并利用该当前语音段的编码状态数据，更新该待使用状态数据。如此能够实现边采集用户语音边进行语音识别的目的，可以提高语音识别的实时性。又因当前语音段的历史语音信息(也就是，待使用状态数据)在历史语音识别过程中已计算过，使得在当前轮语音识别过程中直接使用即可，如此有利于提高语音识别的实时性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.026 seconds)
