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！

龙图腾网获悉平安科技(深圳)有限公司申请的专利多语种自动语音识别方法、装置、计算机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：CN119314486B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411496167.1，技术领域涉及：G10L15/26；该发明授权多语种自动语音识别方法、装置、计算机设备及存储介质是由李俊杰;刘航驿;陈闽川;王少军设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本多语种自动语音识别方法、装置、计算机设备及存储介质在说明书摘要公布了：本申请实施例属于人工智能领域，涉及一种多语种自动语音识别方法，包括对输入语音进行处理，得到语音嵌入向量序列；基于预训练的ByT5模型的编码器提取语音嵌入向量序列的特征，得到语音嵌入向量序列的比特编码；将语音嵌入向量序列的比特编码按照预设的输入数据结构输入至ByT5模型的解码器，ByT5模型的解码器解码后按照预设的输出数据结构输出目标语言文字的比特编码；将ByT5模型的解码器输出的目标语言文字的比特编码组成序列作为下一次的输入再进行解码，生成目标文本序列。本申请还提供一种多语种自动语音识别装置、计算机设备及存储介质。本申请成功实现了信息从音频到文本的跨模态转换。

本发明授权多语种自动语音识别方法、装置、计算机设备及存储介质在权利要求书中公布了：1.一种多语种自动语音识别方法，其特征在于，包括下述步骤： 对输入语音进行处理，得到语音嵌入向量序列； 基于预训练的ByT5模型的编码器提取语音嵌入向量序列的特征，得到语音嵌入向量序列的比特编码； 将所述语音嵌入向量序列的比特编码按照预设的输入数据结构输入至ByT5模型的解码器，所述ByT5模型的解码器解码后按照预设的输出数据结构输出目标语言文字的比特编码； 将所述ByT5模型的解码器输出的目标语言文字的比特编码组成序列作为下一次的输入再进行解码，生成目标文本序列； 所述预设的输入数据结构具体为： 其中，SOB代表序列起始点，ORI-LAN代表输入语音对应的语种，TAR-LAN代表目标生成文本的语种，ST代表语音片段起始时间点，BytesSeq代表单字对应的比特编码，ET代表语音片段结束时间点； 所述ByT5模型的解码器解码后按照预设的输出数据结构输出目标语言文字的比特编码的步骤，具体包括： 输入SOB标志位、ORI-LAN标志位和TAR-LAN标志位； 所述ByT5模型的解码器预测第一段语音的起始时间； 将SOB标志位、ORI-LAN标志位、TAR-LAN标志位和ST标志位拼接的序列输入所述ByT5模型的解码器，得到第一段语音文字对应目标语言文字的比特编码； 所述第一段语音文字对应目标语言文字的比特编码的数据结构具体为： 其中，ORI-LAN代表输入语音对应的语种，TAR-LAN代表目标生成文本的语种，ST代表语音片段起始时间点，Bytes-Seq代表目标语言文字的比特编码，ET代表语音片段结束时间点； 所述将所述ByT5模型的解码器输出的目标语言文字的比特编码组成序列作为下一次的输入再进行解码，生成目标文本序列的步骤具体包括： 将所述第一段语音文字对应目标语言文字的比特编码与所述语音嵌入向量序列拼接后输入ByT5模型的解码器； 所述ByT5模型的解码器解码后得到第二段语音文字对应目标语言文字的比特编码； 将每一次解码后得到语音文字对应目标语言文字的比特编码拼接后，再通过所述ByT5模型的解码器进行解码，直到触发语音片段结束时间点，得到输入语音的生成目标文本序列。

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平安科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼；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”。

以上内容由龙图腾AI智能生成。