龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：天津市国瑞数码安全系统股份有限公司
摘要：本发明提供一种基于多模态的音频检测纠错方法和系统，通过结合声学模型、语义模型以及视觉模型等多种模态信息，对语音识别结果进行自动检测和纠错，克服由于环境噪声、口音差异、语速等因素，现有语音识别结果往往存在误差，无法自动纠错的问题。
主权项：1.一种基于多模态的音频检测纠错方法，其特征在于，所述方法包括：接收音频数据和视频数据，并对其进行预处理，包括降噪或分频步骤；采用声学模型对预处理后的音频数据进行第一处理，获得多个第一候选识别结果以及对应的声学得分；所述第一处理包括：按时刻连续采样预处理后的音频数据，当前时刻的采样值减去上一时刻采样值与预设系数的乘积，得到当前时刻的补偿值；提取所述补偿值的特征值；将连续采样对应的所述特征值输入所述声学模型，得到多个第一候选的识别结果和对应的标识，以及根据该识别结果的概率大小得到对应的声学得分；采用语义模型对预处理后的音频数据进行第二处理，获得每个第一候选识别结果对应的语义得分；所述第二处理包括：将连续采样的预处理后的音频数据，以及多个第一候选识别结果的标识，输入所述语义模型，得到标识对应的语义识别结果，以及根据该识别结果的概率大小得到对应的语义得分；结合声学得分和语义得分，为每个第一候选识别结果计算权重得分；将权重得分最高的第一候选识别结果作为目标识别结果；结合视觉模型对目标识别结果进行验证和纠错；所述验证和纠错包括：根据音频数据的帧数与视频数据中图像的帧数的比值，对视频数据进行帧插入操作；帧插入后的视频数据与音频数据同步、归一化，得到处理后的视频数据；将该处理后的视频数据输入视觉模型，识别视频图像中嘴部的动作，得到视频模态的第二识别结果；如果所述目标识别结果与第二识别结果不匹配，则降低该目标识别结果的权重得分，重新进行权重得分排序，选择权重得分最高的第一候选识别结果作为新的目标识别结果；输出纠错后的语音识别结果。
全文数据：
权利要求：
百度查询： 天津市国瑞数码安全系统股份有限公司 基于多模态的音频检测纠错方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号