买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院自动化研究所申请的专利流式语音识别方法、装置、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115019785B 。

龙图腾网通过国家知识产权局官网在2025-08-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210576178.5，技术领域涉及：G10L15/16；该发明授权流式语音识别方法、装置、电子设备及存储介质是由王方圆;徐波设计研发完成，并于2022-05-24向国家知识产权局提交的专利申请。

本流式语音识别方法、装置、电子设备及存储介质在说明书摘要公布了：本发明提供一种流式语音识别方法、装置、电子设备及存储介质，其中流式语音识别方法包括：获取原始音频数据，基于原始音频数据生成原始特征序列；将原始特征序列输入音频编码器，生成目标音频编码特征序列，其中，音频编码器包括分块自注意力机制编码层和移位块自注意力机制编码层；将目标音频编码特征序列输入音频解码器，生成语音识别文本。基于音频编码器的分块自注意力机制编码层对原始音频数据进行编码，并引入移位块自注意力编码层，实现了自注意力得分的跨块计算，确保了音频编码器的线性时间复杂度；从而快速生成具有全局上下文信息的目标音频编码特征序列，对该特征序列进行解码并生成语音识别文本，有效提高了流式语音识别的准确率。

本发明授权流式语音识别方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种流式语音识别方法，其特征在于，包括： 获取原始音频数据，提取所述原始音频数据的倒谱域特征序列，用于提取原始音频数据的语音特征，且倒谱域特征序列是将原始音频数据的功率谱的对数进行傅里叶反变换得到的；采用两层卷积神经网络对倒谱域特征序列进行4倍下采样，生成下采样操作后的特征序列；将所述下采样操作后的特征序列尾部进行填充，生成符合预设长度的原始特征序列；其中使得各下采样操作后的特征序列的长度均略大于当批最长的特征序列的长度，并且该特征序列长度可被音频编码器中的块尺寸整除； 将所述原始特征序列输入音频编码器，生成目标音频编码特征序列，其中，所述音频编码器包括分块自注意力机制编码层和移位块自注意力机制编码层； 将所述目标音频编码特征序列输入音频解码器，生成语音识别文本； 音频解码器包括连接时序分类解码层以及Transformer解码层；连接时序分类解码层由一个线性层和一个logsoftmax层构成，将目标音频编码特征输入到连接时序分类解码层，在训练连接时序分类解码层的测试阶段得到第一声学预测得分，其中，第一声学预测得分是指连接时序分类解码层输出的原始音频数据对应的多个识别文本中每一个字的声学预测得分； 同时，将目标音频编码特征输入Transformer解码层中，训练Transformer解码层的网络参数，在训练Transformer解码层的测试阶段得到第二声学预测得分，其中，第二声学预测得分是指Transformer解码层输出的原始音频数据对应的多个识别文本中每一个字的声学预测得分； 在得到第一声学预测得分以及第二声学预测得分之后，基于集束搜索算法，从第一声学预测得分以及第二声学预测得分中选取出预设数目个预测得分最高的文本作为最终原始语音数据对应的语音识别文本； 在获取到原始音频数据之后，基于原始音频数据生成原始特征序列之前，对所述原始音频数据进行变速率处理，对原始音频数据的音调进行处理；将原始音频数据转换为梅尔频谱，将梅尔频谱作为一通道的图像数据，对图像进行平移数据增强，随机掩盖图像上的连续若干行进行时间维度的增强，随机掩盖图像上的连续若干列进行频率维度的增强，实现对时间维度以及频率维度的增强，或对原始音频数据进行音频加噪处理进行数据增强。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院自动化研究所，其通讯地址为：100190 北京市海淀区中关村东路95号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。